🤵♂️ 个人主页：@艾派森的个人主页
✍🏻作者简介：Python学习者
🐋 希望大家多多支持，我们一起进步！😄
如果文章对你有帮助的话，
欢迎评论 💬点赞👍🏻 收藏 📂加关注+
目录
1.数据集介绍
2.技术工具
3.导入数据
4.数据探索性分析
4.1相关性分析
4.2性别对满意度的影响
4.3年龄对满意度的影响
4.4旅行类型对满意度的影响
4.5座椅等级对满意度的影响
4.6客户类型对满意度的影响
4.7飞行距离对满意度的影响
4.8航班延迟对满意度的影响
4.9其他分析
1.数据集介绍
本数据来源于Kaggle，原始数据共有103904条，共23个特征，具体各变量含义如下：
Gender：乘客性别（女、男）
Customer Type：客户类型（Loyal customer, disloyal customer）
Age：乘客的实际年龄
Type of Travel：乘客的飞行目的（个人旅行、商务旅行）
Class：乘客飞机的旅行等级（商务舱、经济舱、经济舱）
Flight Distance：本次行程的飞行距离
Inflight wifi service：对机上wifi服务的满意度（0：不适用；1-5）
Departure/Arrival time convenient：对出发/到达时间方便的满意度
Ease of Online booking：在线预订的满意度
Gate location：对Gate location的满意度
Food and drink：食物和饮料的满意度
Online boarding：网上寄宿的满意度
Seat comfort：座椅舒适度满意度
Inflight entertainment：机上娱乐满意度
On-board service：船上服务满意度
Leg room service：腿部空间服务满意度
Baggage handling：行李处理满意度
Checkin service：值机服务满意度
Inflight service：机上服务满意度
Cleanliness：清洁度满意度
Departure Delay in Minutes：出发时延迟的分钟数
Arrival Delay in Minutes：到达时延迟的分钟数
Satisfaction：航空公司满意度（满意、中立或不满意）
2.技术工具
Python版本:3.9
代码编辑器：jupyter notebook
3.导入数据
首先导入本次实验用到的第三方库，然后导入航空公司满意度数据
接着删除数据集中的缺失值
4.数据探索性分析
这里我先自定义三个可视化图形的函数，方便后面调用
4.1相关性分析
正相关：商务舱、在线登机和商务旅行是人们满意的主要原因。
负相关：个人旅行和经济舱导致不满意。
4.2性别对满意度的影响
4.3年龄对满意度的影响
看起来分布是相当对称的，大多数人都在40岁左右。也许我们可以说满意的人比不满意的人更大。 满意的人大约在40-56岁之间。不满意的年龄在20-40岁之间。
4.4旅行类型对满意度的影响
个人旅行有很大的影响。大多数个人旅行者都是不满意的人。
4.5座椅等级对满意度的影响
好吧，我们可以注意到经济舱有很多不满意的人…大多数经济舱乘客也不满意。另一方面，商务舱有大多数满意的人。
4.6客户类型对满意度的影响
忠诚客户大多数都是商务舱。不忠诚客户大多数都是经济舱。这里我们可以注意到，大多数个人旅行乘坐的是经济舱。这与个人旅行和经济舱都有很多不满意的人的事实是一致的。另一方面，大多数商务旅行都乘坐商务舱。
4.7飞行距离对满意度的影响
似乎没有影响。大多数旅行都是500单位距离。
4.8航班延迟对满意度的影响
正如预期的那样，出发延误对到达延误有很强的相关性。我们还可以注意到，出发延误近似等于到达延误。它告诉我们知道延误只发生在航班开始前(而不是在飞行过程中)。
大多数人对出发和到达时间的满意度为4级或5级。
4.9其他分析
现在我们来分析一下跟量表有关的变量，也就是说这些变量都是打分制0-5
相关系数热力图
