Explorando o churn de clientes

Agora que você sabe o que é churn de clientes, vamos examinar a estrutura do nosso conjunto de dados de clientes, que já foi carregado em um DataFrame chamado telco. Conseguir verificar a estrutura dos dados é uma etapa fundamental no processo de modelagem de churn e muitas vezes é ignorada.

Use métodos do pandas, como .info(), para ter uma ideia da sua estrutura e observe as diferentes colunas (também chamadas de "features" em Machine Learning), como 'CustServ_Calls', que indica o número de ligações que o cliente fez para o atendimento, e 'State', que indica o estado de origem do cliente.

Uma feature em particular nos interessa: 'Churn', que pode assumir dois valores — yes e no — indicando se o cliente deu churn ou não. Neste exercício, sua tarefa é explorar essa feature. Você pode acessá-la usando telco['Churn'].

Quantos clientes com churn o conjunto de dados tem e quantos sem churn? Para responder facilmente, você pode usar o método .value_counts() em telco['Churn'].