初识 pyhton - KMeans 简单聚类（一）

这篇是当时小学期的时候跟着老师学的一点，虽说是 KMeans 算法的使用，但使用的太浅显了，代码就仅几行，后来我去专门找了下关于 KMeans 聚类的博客，发现确实是老师讲的太少了。但由于时间关系，暂时没时间去深入学了，这里就放一下当时学的那一点。

开始之前先放一个要用到的文件：提取码 ： u47s 。对于这样一个表格数据：

需要做的是对这一些数据进行聚类，划分为三类：超级vip客户，vip 客户 以及普通用户。下面进入正题：

一、读取数据

import pandas as pd

data = pd.read_csv('company.csv',encoding='gbk')

# print(type(data))
print(data)

# 数据->矩阵
mat = data.as_matrix()
#返回一个二元数组，每一条数据就是一个数组
print(type(mat))
print(mat)

# 删除年龄数据，年龄不作为标准
inX = mat[:,1:]

当时老师在讲的时候，说是只要选中有效数据，KMeans 算法内部有划分标准，我对 KMeans 算法也不是很熟悉，但还是觉得有些不妥，但也没时间太深入了。

 

二、聚类

# python 中大多数机器学习算法都不需要手动写，在 sklearn 库中都已经包含
from sklearn.cluster import KMeans

kms = KMeans(n_clusters=3)      #分为三类
result = kms.fit_predict(inX)
print('聚类后的结果：',result)
# 聚类后的结果： [0 2 2 2 1 2 0 2 2 2 0 0 2 2 2 0 0]

这就是根据客户的平均每次消费金额及周期划分的三类，用 012 来表示。

 

三、可视化

由于聚类后的数据比较抽象，都是012之类的数据，看不出啥，所以将数据进行可视化后再分析。

import  matplotlib.pyplot as plt

# 1)、创建画布
plt.figure()

# 属性设置
plt.rcParams['font.sans-serif'] = 'SimHei'
plt.xlabel('消费周期(天)')
plt.ylabel('消费金额')

# 2)、进行绘制
# 逐个点（人）数据分析
for i in range(len(result)):
    x = data.iloc[i,2]
    y = data.iloc[i,1]
    print('第%d个人的数据：'%i,x,y)

    # 绘制
    if result[i]==0:
        plt.plot(x, y, '*r')    #配置颜色
        pass
    elif result[i]==1:
        plt.plot(x, y, '*b')
        pass
    else:
        plt.plot(x, y, '*k')

    # plt.plot(x,y,'*','r')         # 将每一点用 “*” 来表示

# 3)、显示
plt.show()

绘制出的图形如下：

从最后的散点图上都能看出来，这聚类的太粗糙了，也不准确，但也只能先这样了，等以后有时间的话，想起来了再去研究下 KMeans 算法。