您好,登錄后才能下訂單哦!
導(dǎo)入超市用戶的數(shù)據(jù)
import pandas as pd
from sklearn.preprocessing import StandardScaler #標(biāo)準(zhǔn)差標(biāo)準(zhǔn)化
com = pd.read_csv('./company.csv',encoding='ansi')
導(dǎo)入剔除異常值的函數(shù)
def box_analysis(data):
'''
進(jìn)行箱線圖分析,剔除異常值
:param data:
:return:
'''
qu = data.quantile(0.75)
ql = data.quantile(0.25)
iqr = qu - ql
#上限與下限 1.5可以微調(diào)
up = qu+1.5*iqr
low = ql-1.5*iqr
#進(jìn)行比較運(yùn)算
bool_id_1 = data<=up
bool_id_2 = data>=low
bool_num = bool_id_1 & bool_id_2
return bool_num
進(jìn)行缺失值檢測(cè)
print(com.isnull().sum())
檢測(cè)結(jié)果無(wú)缺失值
篩選有用特征,切片處理
data = com.iloc[:,-2:]
箱線圖分析來(lái)進(jìn)行異常值檢測(cè)
按照平均每次消費(fèi)金額進(jìn)行異常值去除
bood_id_1 = box_analysis(data.iloc[:,0])
data = data.loc[bood_id_1,:]
按照平均消費(fèi)周期進(jìn)行異常值去除
bood_id_2 = box_analysis(data.iloc[:,1])
data = data.loc[bood_id_2,:]
構(gòu)建需要特征
data.loc[:,'每日消費(fèi)金額'] = data.loc[:,'平均每次消費(fèi)金額']/data.loc[:,'平均消費(fèi)周期(天)']
標(biāo)準(zhǔn)化數(shù)據(jù),量級(jí)不大,暫時(shí)不處理量級(jí)
stand = StandardScaler() #創(chuàng)建標(biāo)準(zhǔn)差示例
#先計(jì)算每一列的均值、標(biāo)準(zhǔn)差再進(jìn)行轉(zhuǎn)化數(shù)據(jù)
x = stand.fit_transform(data) #進(jìn)行標(biāo)準(zhǔn)化
把上面數(shù)據(jù)處理部分封裝進(jìn)函數(shù)
def built_data():
#缺失值檢測(cè)
# print(com.isnull().sum())
#篩選有用特征,切片處理
data = com.iloc[:,-2:]
# print(data)
#異常值檢測(cè),箱線圖分析
#按照平均每次消費(fèi)金額進(jìn)行異常值去除
bood_id_1 = box_analysis(data.iloc[:,0])
data = data.loc[bood_id_1,:]
#按照平均消費(fèi)周期進(jìn)行異常值去除
bood_id_2 = box_analysis(data.iloc[:,1])
data = data.loc[bood_id_2,:]
#構(gòu)建需要特征
data.loc[:,'每日消費(fèi)金額'] = data.loc[:,'平均每次消費(fèi)金額']/data.loc[:,'平均消費(fèi)周期(天)']
# print(data)
#標(biāo)準(zhǔn)化數(shù)據(jù),量級(jí)不大,暫時(shí)不處理量級(jí)
#標(biāo)準(zhǔn)化數(shù)據(jù)
stand = StandardScaler() #創(chuàng)建標(biāo)準(zhǔn)差示例
#先計(jì)算每一列的均值、標(biāo)準(zhǔn)差再進(jìn)行轉(zhuǎn)化數(shù)據(jù)
x = stand.fit_transform(data) #進(jìn)行標(biāo)準(zhǔn)化
return data.values
繪圖部分函數(shù)如下
def show_res_km(data,y_predict,center):
'''無(wú)錫婦科檢查醫(yī)院 http://www.87554006.com/
進(jìn)行結(jié)果展示
:param data:原始數(shù)據(jù)
:param y_predict:預(yù)測(cè)標(biāo)簽
:param center:最終的聚類中心
:return:
'''
plt.figure()
#獲取原始數(shù)據(jù)的行數(shù)
index_num = data.shape[0]
#
colors = ['r','g','b','y']
for i in range(index_num):
plt.scatter(data[i,0],data[i,1],c=colors[int(y_predict[i])])
#散點(diǎn)圖的繪制,一個(gè)一個(gè)繪制
#聚類中心的位置
#b的話是描點(diǎn)劃線,bx的話是畫點(diǎn)但是不描線
plt.plot(center[:,0],center[:,1],'bx',marker='x',markersize=12)
plt.show()
調(diào)用函數(shù)來(lái)進(jìn)行聚類
data = built_data()
#導(dǎo)包實(shí)現(xiàn)
k=3
km = KMeans(n_clusters=k)
#訓(xùn)練數(shù)據(jù)
km.fit(data)
#進(jìn)行預(yù)測(cè) ,y_predict預(yù)測(cè)標(biāo)簽
y_predict = km.predict(data)
#獲取聚類中心
center = km.cluster_centers_
print('預(yù)測(cè)值:\n',y_predict)
print('聚類中心:\n',center)
show_res_km(data.values,y_predict,center)
得出結(jié)果
免責(zé)聲明:本站發(fā)布的內(nèi)容(圖片、視頻和文字)以原創(chuàng)、轉(zhuǎn)載和分享為主,文章觀點(diǎn)不代表本網(wǎng)站立場(chǎng),如果涉及侵權(quán)請(qǐng)聯(lián)系站長(zhǎng)郵箱:is@yisu.com進(jìn)行舉報(bào),并提供相關(guān)證據(jù),一經(jīng)查實(shí),將立刻刪除涉嫌侵權(quán)內(nèi)容。