-
Notifications
You must be signed in to change notification settings - Fork 1
/
CustomerSegmentation_Streamlit.py
429 lines (344 loc) · 19 KB
/
CustomerSegmentation_Streamlit.py
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277
278
279
280
281
282
283
284
285
286
287
288
289
290
291
292
293
294
295
296
297
298
299
300
301
302
303
304
305
306
307
308
309
310
311
312
313
314
315
316
317
318
319
320
321
322
323
324
325
326
327
328
329
330
331
332
333
334
335
336
337
338
339
340
341
342
343
344
345
346
347
348
349
350
351
352
353
354
355
356
357
358
359
360
361
362
363
364
365
366
367
368
369
370
371
372
373
374
375
376
377
378
379
380
381
382
383
384
385
386
387
388
389
390
391
392
393
394
395
396
397
398
399
400
401
402
403
404
405
406
407
408
409
410
411
412
413
414
415
416
417
418
419
420
421
422
423
424
425
426
427
428
429
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
import plotly.express as px
from sklearn.cluster import KMeans
import pickle
import streamlit as st
import os
from datetime import datetime
import squarify
import base64
# GUI setup
st.title("Data Science & Machine Learning Project")
st.header("Customer Segmentation", divider='rainbow')
menu = ["Business Understanding", "Data Understanding","Data preparation","Modeling & Evaluation","Predict"] # , "BigData: Spark"
choice = st.sidebar.selectbox('Menu', menu)
def load_data(uploaded_file):
if uploaded_file is not None:
st.sidebar.success("File uploaded successfully!")
df = pd.read_csv(uploaded_file, encoding='latin-1', sep='\s+', header=None, names=['Customer_id', 'day', 'Quantity', 'Sales'])
df.to_csv("CDNOW_master_new.txt", index=False)
df['day'] = pd.to_datetime(df['day'], format='%Y%m%d')
st.session_state['df'] = df
return df
else:
st.write("Please upload a data file to proceed.")
return None
# Hàm để tạo liên kết tải xuống CSV
def csv_download_link(df, csv_file_name, download_link_text):
csv_data = df.to_csv(index=True)
b64 = base64.b64encode(csv_data.encode()).decode()
href = f'<a href="data:file/csv;base64,{b64}" download="{csv_file_name}">{download_link_text}</a>'
st.markdown(href, unsafe_allow_html=True)
# Initializing session state variables
if 'df' not in st.session_state:
st.session_state['df'] = None
if 'uploaded_file' not in st.session_state:
st.session_state['uploaded_file'] = None
# Main Menu
if choice == 'Business Understanding':
st.subheader("Business Objective")
st.write("""
###### Customer segmentation is a fundamental task in marketing and customer relationship management. With the advancements in data analytics and machine learning, it is now possible to group customers into distinct segments with a high degree of precision, allowing businesses to tailor their marketing strategies and offerings to each segment's unique needs and preferences.
###### Through this customer segmentation, businesses can achieve:
- **Personalization**: Tailoring marketing strategies to meet the unique needs of each segment.
- **Optimization**: Efficient allocation of marketing resources.
- **Insight**: Gaining a deeper understanding of the customer base.
- **Engagement**: Enhancing customer engagement and satisfaction.
###### => Problem/Requirement: Utilize machine learning and data analysis techniques in Python to perform customer segmentation.
""")
st.image("Customer-Segmentation.png", caption="Customer Segmentation", use_column_width=True)
elif choice == 'Data Understanding':
# Liệt kê tất cả các file trong thư mục 'sample_data'
sample_files = os.listdir('data')
# Tạo một radio button để cho phép người dùng chọn giữa việc sử dụng file mẫu hoặc tải lên file mới
data_source = st.sidebar.radio('Data source', ['Use a sample file', 'Upload a new file'])
if data_source == 'Use a sample file':
# Cho phép người dùng chọn một file từ danh sách
selected_file = st.sidebar.selectbox('Choose a sample file', sample_files)
# Đọc file được chọn (bạn sẽ cần thêm logic để đọc file tại đây)
file_path = os.path.join('data', selected_file)
st.session_state['uploaded_file'] = open(file_path, 'r')
load_data(st.session_state['uploaded_file'])
else:
# Cho phép người dùng tải lên một file mới
st.session_state['uploaded_file'] = st.sidebar.file_uploader("Choose a file", type=['txt'])
if st.session_state['uploaded_file'] is not None:
load_data(st.session_state['uploaded_file'])
# st.session_state['uploaded_file'] = st.sidebar.file_uploader("Choose a file", type=['txt'])
# load_data(st.session_state['uploaded_file'])
if st.session_state['df'] is not None:
st.write("### Data Overview")
st.write("Number of rows:", st.session_state['df'].shape[0])
st.write("Number of columns:", st.session_state['df'].shape[1])
st.write("First five rows of the data:")
st.write(st.session_state['df'].head())
elif choice == 'Data preparation':
st.write("### Data Cleaning")
if st.session_state['df'] is not None:
# 1. Handling missing, null, and duplicate values
st.write("Number of missing values:")
st.write(st.session_state['df'].isnull().sum())
st.write("Number of NA values:")
st.write((st.session_state['df'] == 'NA').sum())
st.write("Number of duplicate rows:", st.session_state['df'].duplicated().sum())
# Providing options for handling missing and duplicate values
if st.checkbox('Remove duplicate rows'):
st.session_state['df'].drop_duplicates(inplace=True)
st.write("Duplicate rows removed.")
if st.checkbox('Remove rows with NA values'):
st.session_state['df'].replace('NA', pd.NA, inplace=True)
st.session_state['df'].dropna(inplace=True)
st.write("Rows with NA values removed.")
# 2. Display number of unique values for each column
st.write("Number of unique values for each column:")
st.write(st.session_state['df'].nunique())
# 3. Plotting distribution for numeric columns
st.write("### Distribution plots")
for col in st.session_state['df'].select_dtypes(include=['number']).columns:
st.write(f"#### {col}")
fig, ax = plt.subplots()
st.session_state['df'][col].hist(ax=ax)
st.pyplot(fig)
# 4. Display boxplots for numeric columns
st.write("### Boxplots for numeric columns")
for col in st.session_state['df'].select_dtypes(include=['number']).columns:
st.write(f"#### {col}")
fig, ax = plt.subplots()
st.session_state['df'].boxplot(column=col, ax=ax)
st.pyplot(fig)
# Additional Data Overview
st.write("Transactions timeframe from {} to {}".format(st.session_state['df']['day'].min(), st.session_state['df']['day'].max()))
st.write("{:,} transactions don't have a customer id".format(st.session_state['df'][st.session_state['df'].Customer_id.isnull()].shape[0]))
st.write("{:,} unique customer_id".format(len(st.session_state['df'].Customer_id.unique())))
# Add Data Transformation ['Customer_id', 'day', 'Quantity', 'Sales']
st.write("### Data Transformation")
# Group the data by Customer_id and sum the other columns, excluding 'day'
user_grouped = st.session_state['df'].groupby('Customer_id').agg({'Quantity': 'sum', 'Sales': 'sum'})
st.write("### User Grouped Data")
st.write(user_grouped.head())
# Create a new column for the month
st.session_state['df']['month'] = st.session_state['df']['day'].values.astype('datetime64[M]')
st.write("### Data with Month Column")
st.write(st.session_state['df'].head())
# Plot the total Sales per month
st.write("### Total Sales per Month")
dfm = st.session_state['df'].groupby('month')['Quantity'].sum()
st.line_chart(dfm)
# Plot the total Quantity per month
st.write("### Total Quantity per Month")
dfpc = st.session_state['df'].groupby('month')['Sales'].sum()
st.line_chart(dfpc)
# ... (rest of your code, don't forget to modify scatter plots too)
st.write("### Scatter Plot: Sales vs Quantity for Individual Transactions")
fig, ax = plt.subplots()
ax.scatter(st.session_state['df']['Sales'], st.session_state['df']['Quantity'])
st.pyplot(fig)
st.write("### Scatter Plot: Sales vs Quantity for User Grouped Data")
fig, ax = plt.subplots()
ax.scatter(user_grouped['Sales'], user_grouped['Quantity'])
st.pyplot(fig)
else:
st.write("No data available. Please upload a file in the 'Data Understanding' section.")
# User Feedback section
st.write("### User Feedback")
user_feedback = st.text_area("Please share your comments or feedback:", value='')
if st.button("Submit Feedback"):
# Store the feedback with timestamp in a DataFrame
current_time = datetime.now()
feedback_df = pd.DataFrame({
'Time': [current_time],
'Feedback': [user_feedback]
})
# Check if feedback file already exists
if not os.path.isfile('feedback.csv'):
feedback_df.to_csv('feedback.csv', index=False)
else: # Append the new feedback without writing headers
feedback_df.to_csv('feedback.csv', mode='a', header=False, index=False)
st.success("Your feedback has been recorded!")
# Display the 5 most recent feedbacks
if os.path.isfile('feedback.csv'):
all_feedbacks = pd.read_csv('feedback.csv')
all_feedbacks.sort_values('Time', ascending=False, inplace=True)
st.write("### 5 Most Recent Feedbacks:")
st.write(all_feedbacks.head(5))
elif choice == 'Modeling & Evaluation':
st.write("### Modeling With KMeans")
if st.session_state['df'] is not None:
# RFM Analysis
recent_date = st.session_state['df']['day'].max()
# Calculate Recency, Frequency, and Monetary value for each customer
df_RFM = st.session_state['df'].groupby('Customer_id').agg({
'day': lambda x: (recent_date - x.max()).days, # Recency
'Customer_id': 'count', # Frequency
'Sales': 'sum' # Monetary
}).rename(columns={'day': 'Recency', 'Customer_id': 'Frequency', 'Sales': 'Monetary'})
st.title('Phân Tích KMeans sử dụng Phương pháp Elbow')
# Xây dựng và hiển thị biểu đồ Elbow Method
sse = {}
for k in range(1, 20):
kmeans = KMeans(n_clusters=k, random_state=42)
kmeans.fit(df_RFM)
sse[k] = kmeans.inertia_
fig, ax = plt.subplots()
ax.set_title('Phương pháp Elbow')
ax.set_xlabel('Số cụm (k)')
ax.set_ylabel('Tổng Bình phương các khoảng cách')
sns.pointplot(x=list(sse.keys()), y=list(sse.values()), ax=ax)
st.pyplot(fig)
# Cho phép người dùng chọn số lượng cụm k
n_clusters = st.sidebar.number_input('Chọn số lượng cụm k từ 2 đến 20:', min_value=2, max_value=20, value=3, step=1, key="cluster_value")
st.write(f'Bạn đã chọn phân thành {n_clusters} cụm.')
# Áp dụng mô hình KMeans với số lượng cụm đã chọn
model = KMeans(n_clusters=n_clusters, random_state=42)
model.fit(df_RFM)
df_sub = df_RFM.copy()
df_sub['Cluster'] = model.labels_
# Thống kê mô tả và thống kê theo từng cụm
cluster_stats = df_sub.groupby('Cluster').agg({
'Recency': 'mean',
'Frequency': 'mean',
'Monetary': ['mean', 'count']
}).round(2)
cluster_stats.columns = ['RecencyMean', 'FrequencyMean', 'MonetaryMean', 'Count']
cluster_stats['Percent'] = (cluster_stats['Count'] / cluster_stats['Count'].sum() * 100).round(2)
# Reset index để 'Cluster' trở thành một cột thông thường, thay vì index
cluster_stats.reset_index(inplace=True)
# Đổi tên các nhóm cụm để dễ đọc hơn
cluster_stats['Cluster'] = 'Cụm ' + cluster_stats['Cluster'].astype('str')
st.subheader('Thống kê theo từng Cụm')
st.dataframe(cluster_stats)
# Biểu đồ Scatter
fig_scatter = px.scatter(
cluster_stats,
x='RecencyMean',
y='MonetaryMean',
size='FrequencyMean',
color='Cluster',
log_x=True,
size_max=60
)
st.plotly_chart(fig_scatter, use_container_width=True)
# Biểu đồ Tree Map
# Thiết lập màu sắc cho từng cụm - bạn có thể thay đổi này theo ý của bạn
colors_dict = {
0: 'green',
1: 'red',
2: 'royalblue',
3: 'orange',
4: 'purple'
}
fig_treemap, ax_treemap = plt.subplots() # Tạo đối tượng fig và ax riêng biệt cho biểu đồ Tree Map
fig_treemap.set_size_inches(14, 10)
squarify.plot(sizes=cluster_stats['Count'],
label=[f'Cụm {i}\n{row.RecencyMean} ngày\n{row.FrequencyMean} đơn hàng\n{row.MonetaryMean} $\n{row.Count} khách hàng ({row.Percent}%)'
for i, row in cluster_stats.iterrows()],
color=[colors_dict.get(cluster) for cluster in cluster_stats.index],
alpha=0.6,
text_kwargs={'fontsize':12, 'fontweight':'bold'})
ax_treemap.set_title("Phân Khúc Khách Hàng", fontsize=26, fontweight="bold")
ax_treemap.axis('off')
st.pyplot(fig_treemap)
# Vẽ biểu đồ 3D scatter plot
fig_3d = px.scatter_3d(
cluster_stats,
x='RecencyMean',
y='FrequencyMean',
z='MonetaryMean',
color='Cluster',
size='Count',
labels={'RecencyMean': 'Recency', 'FrequencyMean': 'Frequency', 'MonetaryMean': 'Monetary'}
)
st.plotly_chart(fig_3d, use_container_width=True)
# Thêm nút để xuất mô hình
if st.button('Xuất Mô Hình'):
# Lưu mô hình vào một tập tin .pkl
with open('kmeans_model.pkl', 'wb') as f:
pickle.dump((model, cluster_stats), f)
st.session_state.model_exported = True
st.write('Mô hình (kmeans_model.pkl) đã được xuất thành công!')
# User Feedback section
st.write("### User Feedback")
user_feedback = st.text_area("Please share your comments or feedback:", value='')
if st.button("Submit Feedback"):
# Store the feedback with timestamp in a DataFrame
current_time = datetime.now()
feedback_df = pd.DataFrame({
'Time': [current_time],
'Feedback': [user_feedback]
})
# Check if feedback file already exists
if not os.path.isfile('feedback.csv'):
feedback_df.to_csv('feedback.csv', index=False)
else: # Append the new feedback without writing headers
feedback_df.to_csv('feedback.csv', mode='a', header=False, index=False)
st.success("Your feedback has been recorded!")
# Display the 5 most recent feedbacks
if os.path.isfile('feedback.csv'):
all_feedbacks = pd.read_csv('feedback.csv')
all_feedbacks.sort_values('Time', ascending=False, inplace=True)
st.write("### 5 Most Recent Feedbacks:")
st.write(all_feedbacks.head(5))
else:
st.write("No data available. Please upload a file in the 'Data Understanding' section.")
elif choice == 'Predict':
if 'model_exported' in st.session_state and st.session_state.model_exported:
# Tải lại mô hình và cluster_stats
with open('kmeans_model.pkl', 'rb') as f:
model, cluster_stats = pickle.load(f)
st.subheader('Thống kê theo từng Cụm')
st.dataframe(cluster_stats)
# Phần mới thêm để nhận dữ liệu từ người dùng và dự đoán
st.subheader("Dự đoán Cụm cho một Khách hàng mới")
# Nhận dữ liệu từ người dùng
customer_name = st.text_input('Tên Khách hàng:')
recent_date = st.date_input('Ngày mua hàng gần nhất:')
quantity = st.number_input('Số lượng:', min_value=0)
monetary = st.number_input('Số tiền:', min_value=0.0)
if 'df_new' not in st.session_state:
st.session_state['df_new'] = pd.DataFrame(columns=['Customer_id', 'day', 'Quantity', 'Sales'])
if st.button("Add"):
new_data = pd.DataFrame({'Customer_id': [customer_name], 'day': [recent_date], 'Quantity': [quantity], 'Sales': [monetary]})
if 'df_new' not in st.session_state:
st.session_state['df_new'] = new_data
else:
st.session_state['df_new'] = pd.concat([st.session_state['df_new'], new_data], ignore_index=True)
st.write("Dữ liệu đã thêm:")
st.dataframe(st.session_state['df_new']) # Hiển thị DataFrame sau khi người dùng nhấn "Add"
# Khi người dùng nhấn nút "Dự đoán", tiến hành dự đoán cụm
if st.button("Dự đoán"):
# Tính toán giá trị Recency, Frequency, và Monetary
recent_date = pd.Timestamp.now().date() # Cập nhật ngày hiện tại
df_RFM = st.session_state['df_new'].groupby('Customer_id').agg({
'day': lambda x: (recent_date - x.max()).days, # Recency
'Customer_id': 'count', # Frequency
'Sales': 'sum' # Monetary
}).rename(columns={'day': 'Recency', 'Customer_id': 'Frequency', 'Sales': 'Monetary'})
# Dự đoán cụm sử dụng mô hình đã huấn luyện
cluster_pred = model.predict(df_RFM)
# Thêm cột dự đoán vào df_RFM
df_RFM['Cluster'] = cluster_pred
# Hiển thị DataFrame kết quả
st.write("Kết quả dự đoán:")
st.dataframe(df_RFM)
# Cho phép người dùng tải xuống kết quả dưới dạng CSV
csv_download_link(df_RFM, 'RFM_prediction_results.csv', 'Tải xuống kết quả dự đoán')
else:
st.write("Bạn phải xuất mô hình trước khi tiến hành dự đoán.")
# User Feedback section
st.write("### User Feedback")
user_feedback = st.text_area("Please share your comments or feedback:", value='')
if st.button("Submit Feedback"):
# Store the feedback with timestamp in a DataFrame
current_time = datetime.now()
feedback_df = pd.DataFrame({
'Time': [current_time],
'Feedback': [user_feedback]
})
# Check if feedback file already exists
if not os.path.isfile('feedback.csv'):
feedback_df.to_csv('feedback.csv', index=False)
else: # Append the new feedback without writing headers
feedback_df.to_csv('feedback.csv', mode='a', header=False, index=False)
st.success("Your feedback has been recorded!")