超市用戶的k-means聚類處理

　　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