请设计一个航空公司客户价值分析系统，能够对不同的客户进行特征分析，比较不同类别用户的价值，给出合适的python代码

航空公司客户价值分析系统可以通过以下步骤来实现：

1. 数据收集：收集客户的个人信息、历史预订信息、消费记录等数据。

2. 数据清洗和预处理：对收集到的数据进行清洗和预处理，包括缺失值处理、异常值处理、数据转换等。

3. 客户分群：根据客户的特征，将客户分为不同的群体。可以使用聚类算法进行客户分群。

4. 客户价值分析：对不同的客户群体进行价值分析，比较不同类别用户的价值。可以使用RFM模型，即最近一次购买时间（Recency）、购买频率（Frequency）和消费金额（Monetary）等指标来评估客户的价值。

5. 可视化展示：将客户分群和价值分析的结果进行可视化展示，便于公司决策者进行决策。

以下是一个简单的Python代码示例：

import pandas as pd
from sklearn.cluster import KMeans

# 数据收集
data = pd.read_csv('customer_data.csv')

# 数据清洗和预处理
data = data.dropna() # 删除缺失值
data = data[data['total_spent'] >= 0] # 删除异常值

# 客户分群
kmeans = KMeans(n_clusters=3).fit(data[['age', 'total_spent']])
data['cluster'] = kmeans.labels_

# 客户价值分析
data['recency'] = (pd.to_datetime('today') - pd.to_datetime(data['last_purchase'])).dt.days
rfm_scores = data.groupby('cluster').agg({'recency': 'min', 'frequency': 'mean', 'total_spent': 'mean'})

# 可视化展示
rfm_scores.plot(kind='bar')