数据分析与数据处理实例（某银行数据）

掌握numpy、matplotlib、pandas模块为前提，kmeans算法为主要分析工具

数据分析与数据处理

数据及含义

这里先上截图，具体的数据及数据含义点击下边链接，自行获取！ https://download.csdn.net/download/weixin_44423698/11737958

方法

探索数据、清洗数据、清洗过后的选择需要的数据、对数据进行转换（如果数据很清晰，而且没有联系，可以不写）、标准化数据、Kmeans聚类和绘图得出结果。

代码实现

#引入数据处理与科学分析的三大模块
import pandas as pd
import matplotlib.pyplot as plt
import numpy as np

#引入sklearn模块里的机器学习算法k_means（是个函数）
from sklearn.cluster import KMeans

class DiverCar():
    #探索数据
    def tansuo(self,filepath):
        '''
        :param filepath:   bank-all.csv文件所在位置
        :return:
        '''
        df = pd.read_csv(filepath,sep=';')
        df.to_excel('HW_data/bank_data.xls')
        pass
    #清洗数据
    def qingxi(self,filepath):
        '''
        :param filepath:  bank_data.xls文件所在的位置
        :return:
        '''
        df = pd.read_excel(filepath)
        filter1 = df['job'] != 'admin.'
        filter2 = df['balance'] > 0
        filter = filter1 & filter2
        df = df[filter]
        df.to_excel('HW_data/bank_clean.xls')
        pass
    #清洗过后的选择需要的数据
    def xuanze(self,filepath):
        '''
        :param filepath: bank_clean.xls文件所在的位置
        :return:
        '''
        df = pd.read_excel(filepath)
        df = df[['job','balance','duration','pdays','poutcome']]
        df.to_excel('HW_data/bank_choose.xls')
        pass
    #对数据进行转换（如果数据很清晰，而且没有联系，可以不写）
    def zhuanhuan(self,filepath):
        '''
        :param filepath: bank_choose.xls文件的位置
        :return:
        '''
        #L:工作 R:余额 F:持续电话时间 M:间隔时间 C:上一次成功与否
        df = pd.read_excel(filepath)
        df['job'].replace(['unemployed','student','retired','self-employed','housemaid','services','blue-collar','technician','management','entrepreneur','unknown'],[0,1,2,3,4,5,6,7,8,9,5],inplace=True)
        df['L'] = df['job']
        df['R'] = df['balance']
        df['F'] = df['duration']
        df['M'] = df['pdays']
        df['poutcome'].replace(['failure','other','success','unknown'],[0,1,2,1],inplace=True)
        df['C'] = df['poutcome']
        df = df[['L','R','F','M','C']]
        df.to_excel('HW_data/bank_zhuanhuan.xls')
        pass
    #标准化数据
    def biaozhun(self,filepath):
        '''
        :param filepath:bank_zhuanhuan.xls文件的位置
        :return:
        '''
        df = pd.read_excel(filepath)
        df = (df - np.mean(df,axis=0))/np.std(df,axis=0)
        df[['L', 'R', 'F', 'M', 'C']].to_excel('HW_data/bank_biaozhun.xls')
        pass
    #Kmeans聚类和绘图
    def kmeans(self,filepath,k=5):
        '''
        :param filepath:
        :return:
        '''
        df = pd.read_excel(filepath)
        kmeans = KMeans(k)
        kmeans.fit(df[['L', 'R', 'F', 'M', 'C']])
        df['label']=kmeans.labels_
        coreData = np.array(kmeans.cluster_centers_)

        #绘图
        xdata = np.linspace(0,2*np.pi,k,endpoint=False)
        xdata = np.concatenate((xdata,[xdata[0]]))

        ydata1 = np.concatenate((coreData[0], [coreData[0][0]]))
        ydata2 = np.concatenate((coreData[1], [coreData[1][0]]))
        ydata3 = np.concatenate((coreData[2], [coreData[2][0]]))
        ydata4 = np.concatenate((coreData[3], [coreData[3][0]]))
        ydata5 = np.concatenate((coreData[4], [coreData[4][0]]))

        fig = plt.figure()
        ax = fig.add_subplot(111,polar=True)

        ax.plot(xdata, ydata1, 'b--', linewidth=1, label='customer1')
        ax.plot(xdata, ydata2, 'r--', linewidth=1, label='customer2')
        ax.plot(xdata, ydata3, 'g--', linewidth=1, label='customer3')
        ax.plot(xdata, ydata4, 'o--', linewidth=1, label='customer4')
        ax.plot(xdata, ydata5, 'y--', linewidth=1, label='customer5')

        ax.set_thetagrids(xdata * 180 / np.pi, ['L', 'R', 'F', 'M', 'C'])  # 有五个值，将一个圆分为五块
        ax.set_rlim(-3, 5)  # 轴值范围，圆点是-3，最外层是5
        plt.legend(loc='best')
        plt.show()
        pass
    pass

if __name__ == '__main__':
    dc = DiverCar()
    #一步一步生成excel表，最后的函数方法通过图表展示出结果
    # dc.tansuo('HW_data/bank-all.csv')
    # dc.qingxi('HW_data/bank_data.xls')
    # dc.xuanze('HW_data/bank_clean.xls')
    # dc.zhuanhuan('HW_data/bank_choose.xls')
    # dc.biaozhun('HW_data/bank_zhuanhuan.xls')
    dc.kmeans('HW_data/bank_biaozhun.xls',k=5)
    pass

结果

生成的excel表

图表

判断依据

工作（数越大可能性越高）、余额（越大可能性越高）、持续间（越长可能性越高）、间隔时间天（越少可能性越高）、上一次的结果（数越大成功的可能性越高）
结果：将没有影响的数置为0，但因为影响较小（不是没有影响），我在这里并没有过多的处理。
有了结果就可以根据设定的标准判断哪些用户属于哪种分类，看看其存款的概率，而决定是否电话联系让其购买产品（存款）