Esplorare il churn dei clienti

Ora che sai cos’è il customer churn, esaminiamo la struttura del nostro insieme di dati sui clienti, già caricato in un DataFrame chiamato telco. Saper controllare la struttura dei dati è un passaggio fondamentale nel processo di modellazione del churn e spesso viene trascurato.

Usa i metodi di pandas, come .info(), per farti un’idea della sua struttura e nota le diverse colonne (chiamate anche "feature" nel Machine Learning), come 'CustServ_Calls', che indica il numero di chiamate al servizio clienti effettuate dal cliente, e 'State', che indica lo stato di provenienza del cliente.

Una feature è di particolare interesse per noi: 'Churn', che può assumere due valori — yes e no — e indica se il cliente ha abbandonato o meno. In questo esercizio, il tuo compito è esplorare questa feature. Puoi accedervi con telco['Churn'].

Quanti clienti churner ci sono nel dataset e quanti non churner? Per rispondere facilmente, puoi usare il metodo .value_counts() su telco['Churn'].