Explorar la pérdida de clientes

Ahora que ya sabes qué es la pérdida de clientes (churn), vamos a revisar la estructura de nuestro conjunto de datos de clientes, que se ha precargado en un DataFrame llamado telco. Poder comprobar la estructura de los datos es un paso fundamental en el proceso de modelado de churn y a menudo se pasa por alto.

Utiliza métodos de pandas como .info() para hacerte una idea de su estructura y fíjate en las diferentes columnas (también conocidas como "features" en Machine Learning), como 'CustServ_Calls', que indica el número de llamadas que hizo el cliente al servicio de atención, y 'State', que indica el estado del que procede el cliente.

Hay una feature que nos interesa especialmente: 'Churn', que puede tomar dos valores —yes y no— e indica si el cliente ha abandonado o no. En este ejercicio, tu tarea es explorar esta feature. Puedes acceder a ella con telco['Churn'].

¿Cuántos clientes que han abandonado (churners) hay en el conjunto de datos y cuántos que no han abandonado? Para responder fácilmente, puedes usar el método .value_counts() sobre telco['Churn'].