分析流程

了解數(shù)據(jù)信息分析問(wèn)題作出假設(shè)數(shù)據(jù)清洗-缺失值/異常值處理探索性分析-結(jié)合可視化做出結(jié)論

1. 了解數(shù)據(jù)信息

使用pandas_profiling中的profilereport能夠得到關(guān)于數(shù)據(jù)的概覽；

import pandas_profilingfile_path = "F:/jupyter/kaggle/數(shù)據(jù)集/1、Hotel booking demand酒店預(yù)訂需求\hotel_booking_demand.csv" hb_df = pd.read_csv(file_path)# hb_df.profile_report() pandas_profiling.ProfileReport(hb_df)

簡(jiǎn)單了解各字段分布后，我打算從以下三個(gè)方面分析：

分析方向

酒店運(yùn)營(yíng)情況——取消數(shù)、入住率、人均每晚房間價(jià)格、不同月份人均每晚價(jià)格

旅客情況——來(lái)自國(guó)家、餐食選擇情況、居住時(shí)長(zhǎng)、提前預(yù)定時(shí)長(zhǎng)

預(yù)定渠道情況——不同市場(chǎng)細(xì)分下的價(jià)格

2. 數(shù)據(jù)清洗

2.1 缺失值

hb_df.isnull().sum()[hb_df.isnull().sum()!=0]

確定含缺失值的字段

輸出：

children 4 country 488 agent 16340 company 112593

處理：

處理方法

假設(shè)agent中缺失值代表未指定任何機(jī)構(gòu)，即nan=0

country則直接使用其字段內(nèi)眾數(shù)填充

childred使用其字段內(nèi)眾數(shù)填充

company因缺失數(shù)值過(guò)大，且其信息較雜（單個(gè)值分布太多），所以直接刪除

代碼如下：

hb_new = hb_df.copy(deep=True) hb_new.drop("company", axis=1, inplace=True)hb_new["agent"].fillna(0, inplace=True) hb_new["children"].fillna(hb_new["children"].mode()[0], inplace=True) hb_new["country"].fillna(hb_new["country"].mode()[0], inplace=True)

2.2 異常值

此數(shù)據(jù)集中異常值為那些總?cè)藬?shù)（adults+children+babies)為0的記錄，同時(shí)，因?yàn)橄惹耙阎该癿eal”中“SC”和“Undefined”為同一類別，因此也許處理一下。

代碼如下：

hb_new["children"] = hb_new["children"].astype(int) hb_new["agent"] = hb_new["agent"].astype(int)hb_new["meal"].replace("Undefined", "SC", inplace=True) # 處理異常值 # 將 變量 adults + children + babies == 0 的數(shù)據(jù)刪除 zero_guests = list(hb_new["adults"] +hb_new["children"] +hb_new["babies"] == 0) # hb_new.info() hb_new.drop(hb_new.index[zero_guests], inplace=True)

此時(shí)數(shù)據(jù)基本已經(jīng)沒(méi)有問(wèn)題，可以開始結(jié)合可視化的探索性分析了。

3. 探索性分析（+可視化）

3.1 酒店運(yùn)營(yíng)方面

3.1.1 取消數(shù)、入住率

plt.rcParams["font.sans-serif"] = ["SimHei"] plt.rcParams["font.serif"] = ["SimHei"] # 從預(yù)定是否取消考慮 rh_iscancel_count = hb_new[hb_new["hotel"]=="Resort Hotel"].groupby(["is_canceled"])["is_canceled"].count() ch_iscancel_count = hb_new[hb_new["hotel"]=="City Hotel"].groupby(["is_canceled"])["is_canceled"].count()rh_cancel_data = pd.DataFrame({"hotel": "度假酒店","is_canceled": rh_iscancel_count.index,"count": rh_iscancel_count.values})ch_cancel_data = pd.DataFrame({"hotel": "城市酒店","is_canceled": ch_iscancel_count.index,"count": ch_iscancel_count.values}) iscancel_data = pd.concat([rh_cancel_data, ch_cancel_data], ignore_index=True)plt.figure(figsize=(12, 8)) w, t, autotexts = plt.pie(hb_new["hotel"].value_counts(), autopct="%.2f%%",textprops={"fontsize":18}) plt.title("酒店總預(yù)定數(shù)分布", fontsize=16) plt.legend(w, (iscancel_data.loc[iscancel_data.is_canceled==1, "hotel"].value_counts().index)[::-1], loc="upper right",fontsize=14) # plt.savefig("F:/文章/酒店總預(yù)定數(shù)分布.png") plt.show();

此為獲得圖形：

plt.figure(figsize=(12, 8))cmap = plt.get_cmap("tab20c") outer_colors = cmap(np.arange(2)*4) inner_colors = cmap(np.array([1, 2, 5, 6]))w , t, at = plt.pie(hb_new["is_canceled"].value_counts(), autopct="%.2f%%",textprops={"fontsize":18},radius=0.7, wedgeprops=dict(width=0.3), pctdistance=0.75, colors=outer_colors) plt.legend(w, ["未取消預(yù)定", "取消預(yù)定"], loc="upper right", bbox_to_anchor=(0, 0, 0.2, 1), fontsize=12)val_array = np.array((iscancel_data.loc[(iscancel_data.hotel=="城市酒店")&(iscancel_data.is_canceled==0), "count"].values,iscancel_data.loc[(iscancel_data.hotel=="度假酒店")&(iscancel_data.is_canceled==0), "count"].values,iscancel_data.loc[(iscancel_data.hotel=="城市酒店")&(iscancel_data.is_canceled==1), "count"].values,iscancel_data.loc[(iscancel_data.hotel=="度假酒店")&(iscancel_data.is_canceled==1), "count"].values))w2, t2, at2 = plt.pie(val_array, autopct="%.2f%%",textprops={"fontsize":16}, radius=1,wedgeprops=dict(width=0.3), pctdistance=0.85, colors=inner_colors) plt.title("不同酒店預(yù)定情況", fontsize=16)bbox_props = dict(boxstyle="square,pad=0.3", fc="w", ec="k", lw=0.72) kw = dict(arrowprops=dict(arrowstyle="-", color="k"), bbox=bbox_props, zorder=3, va="center") for i, p in enumerate(w2): # print(i, p, sep="---")text = ["城市酒店", "度假酒店", "城市酒店", "度假酒店"]ang = (p.theta2 - p.theta1) / 2. + p.theta1y = np.sin(np.deg2rad(ang))x = np.cos(np.deg2rad(ang))horizontalalignment = {-1: "right", 1: "left"}[int(np.sign(x))]connectionstyle = "angle, angleA=0, angleB={}".format(ang)kw["arrowprops"].update({"connectionstyle": connectionstyle})plt.annotate(text[i], xy=(x, y), xytext=(1.15*np.sign(x), 1.2*y),horizontalalignment=horizontalalignment, **kw, fontsize=18)

可以看到，城市酒店的預(yù)定數(shù)要大于度假酒店，但城市酒店的取消率也相對(duì)較高。

3.1.2 酒店人均價(jià)格

接下來(lái)可以從人均價(jià)格入手，看看兩家酒店的運(yùn)營(yíng)情況。

因?yàn)閎abies年齡過(guò)小，所以人均價(jià)格中未將babies帶入計(jì)算。
$$人均價(jià)格/晚=\frac{adr}{adults+children}$$
此時(shí)來(lái)查看不同月份下的平均酒店價(jià)格，代碼如下：

# 從月份上看人均平均每晚價(jià)格room_price_monthly = full_data_guests[["hotel", "arrival_date_month", "adr_pp"]].sort_values("arrival_date_month")ordered_months = ["January", "February", "March", "April", "May", "June", "July", "August","September", "October", "November", "December"] month_che = ["一月", "二月", "三月", "四月", "五月", "六月", "七月", "八月", "九月", "十月", "十一月", "十二月", ]for en, che in zip(ordered_months, month_che):room_price_monthly["arrival_date_month"].replace(en, che, inplace=True) room_price_monthly["arrival_date_month"] = pd.Categorical(room_price_monthly["arrival_date_month"],categories=month_che, ordered=True) room_price_monthly["hotel"].replace("City Hotel", "城市酒店", inplace=True) room_price_monthly["hotel"].replace("Resort Hotel", "度假酒店", inplace=True) room_price_monthly.head(15)plt.figure(figsize=(12, 8)) sns.lineplot(x="arrival_date_month", y="adr_pp", hue="hotel", data=room_price_monthly,hue_order=["城市酒店", "度假酒店"], ci="sd", size="hotel", sizes=(2.5, 2.5)) plt.title("不同月份人均居住價(jià)格/晚", fontsize=16) plt.xlabel("月份", fontsize=16) plt.ylabel("人均居住價(jià)格/晚", fontsize=16) # plt.savefig("F:/文章/不同月份人均居住價(jià)格每晚")

輸出圖形：

同時(shí)，我認(rèn)為結(jié)合15-17年內(nèi)平均人流量（即未取消預(yù)定下的不同月份的預(yù)定數(shù)），會(huì)有一個(gè)更加清晰的認(rèn)識(shí)：

注意：因?yàn)榍蟮氖蔷?#xff0c;所以最后繪圖前需要把不同月份的總預(yù)定數(shù)除以此月份的計(jì)數(shù)（15-17年這個(gè)月份出現(xiàn)過(guò)幾次）。

# 查看月度人流量 rh_bookings_monthly = full_data_guests[full_data_guests.hotel=="Resort Hotel"].groupby("arrival_date_month")["hotel"].count() ch_bookings_monthly = full_data_guests[full_data_guests.hotel=="City Hotel"].groupby("arrival_date_month")["hotel"].count()rh_bookings_data = pd.DataFrame({"arrival_date_month": list(rh_bookings_monthly.index),"hotel": "度假酒店","guests": list(rh_bookings_monthly.values)}) ch_bookings_data = pd.DataFrame({"arrival_date_month": list(ch_bookings_monthly.index),"hotel": "城市酒店","guests": list(ch_bookings_monthly.values)}) full_booking_monthly_data = pd.concat([rh_bookings_data, ch_bookings_data], ignore_index=True)ordered_months = ["January", "February", "March", "April", "May", "June", "July", "August","September", "October", "November", "December"] month_che = ["一月", "二月", "三月", "四月", "五月", "六月", "七月", "八月", "九月", "十月", "十一月", "十二月"]for en, che in zip(ordered_months, month_che):full_booking_monthly_data["arrival_date_month"].replace(en, che, inplace=True)full_booking_monthly_data["arrival_date_month"] = pd.Categorical(full_booking_monthly_data["arrival_date_month"],categories=month_che, ordered=True)full_booking_monthly_data.loc[(full_booking_monthly_data["arrival_date_month"]=="七月")|\(full_booking_monthly_data["arrival_date_month"]=="八月"), "guests"] /= 3 full_booking_monthly_data.loc[~((full_booking_monthly_data["arrival_date_month"]=="七月")|\(full_booking_monthly_data["arrival_date_month"]=="八月")), "guests"] /= 2 plt.figure(figsize=(12, 8)) sns.lineplot(x="arrival_date_month",y="guests",hue="hotel", hue_order=["城市酒店", "度假酒店"],data=full_booking_monthly_data, size="hotel", sizes=(2.5, 2.5)) plt.title("不同月份平均旅客數(shù)", fontsize=16) plt.xlabel("月份", fontsize=16) plt.ylabel("旅客數(shù)", fontsize=16) # plt.savefig("F:/文章/不同月份平均旅客數(shù)")

得到圖形：

結(jié)合上述兩幅圖可以了解到：

在春秋兩季城市酒店價(jià)格雖然高，但其入住人數(shù)一點(diǎn)也沒(méi)降低，反而處于旺季；

而度假酒店在6-9月份游客數(shù)本身就偏低，可這個(gè)時(shí)間段內(nèi)的價(jià)格卻在持續(xù)上升，遠(yuǎn)高于其他月份；

不論是城市酒店還是度假酒店，冬季的生意都不是特別好。

3.2 游客簡(jiǎn)易畫像

3.2.1 游客分布

可以簡(jiǎn)單了解一下選擇這兩家酒店入住的旅客都來(lái)自于哪些國(guó)家。

這次使用了plotly中的一個(gè)map圖形，有一定交互性，便于查看。

map = px.choropleth(country_data, locations="country", color="總游客數(shù)", hover_name="country",color_continuous_scale=px.colors.sequential.Plasma,title="游客分布") map.show()

可以明顯看到游客主要還是集中在歐洲地區(qū)。

3.2.2 餐食選擇

現(xiàn)在我們可以了解以下對(duì)餐食的選擇是否會(huì)影響游客取消預(yù)定這一行為。

meal_data = hb_new[["hotel", "is_canceled", "meal"]] # meal_dataplt.figure(figsize=(12, 8)) plt.subplot(121) plt.pie(meal_data.loc[meal_data["is_canceled"]==0, "meal"].value_counts(), labels=meal_data.loc[meal_data["is_canceled"]==0, "meal"].value_counts().index, autopct="%.2f%%") plt.title("未取消預(yù)訂旅客餐食選擇", fontsize=16) plt.legend(loc="upper right")plt.subplot(122) plt.pie(meal_data.loc[meal_data["is_canceled"]==1, "meal"].value_counts(), labels=meal_data.loc[meal_data["is_canceled"]==1, "meal"].value_counts().index, autopct="%.2f%%") plt.title("取消預(yù)訂旅客餐食選擇", fontsize=16) plt.legend(loc="upper right")

很明顯，取消預(yù)訂旅客和未取消預(yù)訂旅客有基本相同的餐食選擇。

我們不能因?yàn)橐晃挥慰蚥ed&breakfast選擇的是就說(shuō)他一定會(huì)取消預(yù)定，我們趕緊不要管他；或者說(shuō)他一定不會(huì)取消預(yù)訂，這位客人很重要。

3.2.3 居住時(shí)長(zhǎng)

那么在不同酒店居住的旅客通常會(huì)選擇住幾天呢？我們可以使用柱形圖來(lái)看一下其時(shí)長(zhǎng)的不同分布；

首先計(jì)算出總時(shí)長(zhǎng)：總時(shí)長(zhǎng)=周末停留夜晚數(shù)+工作日停留夜晚數(shù)

full_data_guests["total_nights"] = full_data_guests["stays_in_weekend_nights"] + full_data_guests["stays_in_week_nights"]

因?yàn)榫幼r(shí)長(zhǎng)獨(dú)立值過(guò)多，所以我新建一個(gè)變量來(lái)將其變?yōu)榉诸愋蛿?shù)據(jù)：

# 新建字段：total_nights_bin——居住時(shí)長(zhǎng)區(qū)間 full_data_guests["total_nights_bin"] = "住1晚" full_data_guests.loc[(full_data_guests["total_nights"]>1)&(full_data_guests["total_nights"]<=5), "total_nights_bin"] = "2-5晚" full_data_guests.loc[(full_data_guests["total_nights"]>5)&(full_data_guests["total_nights"]<=10), "total_nights_bin"] = "6-10晚" full_data_guests.loc[(full_data_guests["total_nights"]>10), "total_nights_bin"] = "11晚以上"

此時(shí)，再來(lái)繪圖：

ch_nights_count = full_data_guests["total_nights_bin"][full_data_guests.hotel=="City Hotel"].value_counts() rh_nights_count = full_data_guests["total_nights_bin"][full_data_guests.hotel=="Resort Hotel"].value_counts()ch_nights_index = full_data_guests["total_nights_bin"][full_data_guests.hotel=="City Hotel"].value_counts().index rh_nights_index = full_data_guests["total_nights_bin"][full_data_guests.hotel=="Resort Hotel"].value_counts().indexch_nights_data = pd.DataFrame({"hotel": "城市酒店","nights": ch_nights_index,"guests": ch_nights_count}) rh_nights_data = pd.DataFrame({"hotel": "度假酒店","nights": rh_nights_index,"guests": rh_nights_count}) # 繪圖數(shù)據(jù) nights_data = pd.concat([ch_nights_data, rh_nights_data], ignore_index=True) order = ["住1晚", "2-5晚", "6-10晚", "11晚以上"] nights_data["nights"] = pd.Categorical(nights_data["nights"], categories=order, ordered=True)plt.figure(figsize=(12, 8)) sns.barplot(x="nights", y="guests", hue="hotel", data=nights_data) plt.title("旅客居住時(shí)長(zhǎng)分布", fontsize=16) plt.xlabel("居住時(shí)長(zhǎng)", fontsize=16) plt.ylabel("旅客數(shù)", fontsize=16)plt.legend()

輸出：

不論哪家游客基本選擇都在1-5晚，而其中度假酒店中的旅客還有另外一種選擇——6-10晚。

3.2.4 提前預(yù)定時(shí)長(zhǎng)

提前預(yù)定期對(duì)旅客是否選擇取消預(yù)訂也有很大影響，因?yàn)閘ead_time字段中的值分布多且散亂，所以使用散點(diǎn)圖比較合適，同時(shí)還可以繪制一條回歸線。

lead_cancel_data = pd.DataFrame(hb_new.groupby("lead_time")["is_canceled"].describe()) # lead_cancel_data # 因?yàn)閘ead_time中值范圍大且數(shù)量分布不勻，所以選取lead_time>10次的數(shù)據(jù)（<10的數(shù)據(jù)不具代表性） lead_cancel_data_10 = lead_cancel_data[lead_cancel_data["count"]>10]y = list(round(lead_cancel_data_10["mean"], 4) * 100)plt.figure(figsize=(12, 8)) sns.regplot(x=list(lead_cancel_data_10.index),y=y) plt.title("提前預(yù)定時(shí)長(zhǎng)對(duì)取消的影響", fontsize=16) plt.xlabel("提前預(yù)定時(shí)長(zhǎng)", fontsize=16) plt.ylabel("取消數(shù) [%]", fontsize=16) # plt.savefig("F:/文章/提前預(yù)定時(shí)長(zhǎng)對(duì)取消的影響")

輸出：

可以明顯看到：不同的提前預(yù)定時(shí)長(zhǎng)確定對(duì)旅客是否取消預(yù)定有一定影響；

通常，離入住日期越早約定，越不容易取消酒店房間預(yù)定。

3.3 市場(chǎng)細(xì)分

最后還可以查看以下不同市場(chǎng)細(xì)分下的預(yù)定分布情況。

segment_count = list(full_data_guests["market_segment"].value_counts()) segment_ls = list(full_data_guests["market_segment"].value_counts().index)# 查看市場(chǎng)細(xì)分分布 plt.figure(figsize=(12, 8)) fig = px.pie(values=segment_count, names=segment_ls, title="市場(chǎng)細(xì)分預(yù)訂分布（未取消預(yù)訂）", template="seaborn") fig.update_traces(rotation=90, textposition="inside", textinfo="label+percent+value")

還可以查看一下，通過(guò)不同的市場(chǎng)預(yù)定兩家酒店的價(jià)格有何不同。

# 不同市場(chǎng)細(xì)分下的人均價(jià)格每晚 plt.figure(figsize=(6, 8)) # plt.subplot(121) sns.barplot(x="market_segment", y="adr_pp",hue="hotel",data=hb_new, ci="sd", errwidth=1, capsize=0.1, hue_order=["City Hotel", "Resort Hotel"]) plt.title("不同市場(chǎng)細(xì)分下人均每晚價(jià)格", fontsize=16) plt.xlabel("市場(chǎng)細(xì)分", fontsize=16) plt.ylabel("人均每晚價(jià)格", fontsize=16) plt.xticks(rotation=45) plt.legend(loc="upper left", facecolor="white", edgecolor="k", frameon=True)

可以看到，人們大多通過(guò)線上旅行社完成預(yù)定，既因?yàn)槠浔憬菪?#xff0c;也因?yàn)槠鋬r(jià)格合理；

而航空公司的價(jià)格則很高，同時(shí)通過(guò)其預(yù)定的人數(shù)也最少。

4. 做出結(jié)論

從以上三個(gè)維度的分析中可以看到：

度假酒店在6-9月份預(yù)定數(shù)偏少時(shí)其價(jià)格較同年的其他月份都要高，建議可以適當(dāng)降低一些；城市酒店在春秋兩季的房間價(jià)格最高，可此時(shí)預(yù)定數(shù)也最多，但在7、8月份預(yù)定數(shù)急速下降，雖然此時(shí)房間價(jià)格也降下來(lái)了，明顯價(jià)格的降低并沒(méi)有吸引住旅客；

離入住日期越近的旅客越有可能入住，同時(shí)，在這兩家酒店的周邊國(guó)家的旅客也更不可能取消預(yù)定；

線上旅行社是人們與家人朋友出行的首選。

上述分析數(shù)據(jù)來(lái)自kaggle——酒店預(yù)定需求；

有更好的角度分析的，歡迎大家來(lái)討論。
（部分圖形代碼參考自https://www.kaggle.com/marcuswingen/eda-of-bookings-and-ml-to-predict-cancelations）
歡迎關(guān)注微信，一起學(xué)習(xí)！

總結(jié)

以上是生活随笔為你收集整理的某酒店预定需求分析的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問(wèn)題。

如果覺(jué)得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。