标签：数据分析课程设计 plt means df 聚类 100 x1 聚类分析

一、选题的背景

在当今社会，大数据已经成为了企业决策的重要依据。通过对客户进行细分分析，企业可以更好地了解客户的需求和行为，从而制定更加精准的营销策略，提高市场竞争力。要达到的数据分析目标是通过对客户数据的分析，找出不同客户群体的特征和需求，为企业提供有针对性的营销建议。从社会、经济、技术、数据来源等方面来看，随着互联网和移动互联网的快速发展，企业和个人产生的数据量呈现爆炸式增长，这为大数据分析提供了丰富的数据来源；同时，大数据技术的发展也为数据分析提供了强大的技术支持。

二、大数据分析设计方案

1.本数据集的数据内容与数据特征分析

本数据集的数据包括客户ID，性别，客户年龄、客户年收入、客户的消费习惯。

客户ID：唯一标识客户的整数；
客户性别：区分男客户和女客户，使数据更加完整；
客户年龄：客户的出生年份，表示客户的年龄；
客户年收入：客户的年度收入，表示客户的消费能力；
客户的消费习惯：客户的购买行为和偏好，包括购买的商品类别、购买次数、购买金额等。

数据特征分析主要包括以下几个方面：

描述性统计分析：对客户年龄、客户年收入等数值型特征进行描述性统计分析，了解数据的基本情况；
分类特征分析：对客户的消费习惯等分类特征进行分析，找出不同类别的特征分布情况；
关联规则挖掘：分析不同特征之间的关联关系，如年龄与消费习惯的关系；
聚类分析：通过聚类算法将客户划分为不同的群体，找出每个群体的特征和需求。

2.数据分析的课程设计方案概述（包括实现思路与技术难点）

数据预处理：对原始数据进行清洗、缺失值处理、异常值处理等，为后续分析做好准备；
描述性统计分析：使用Python的pandas库进行描述性统计分析，如计算平均值、中位数、众数等；
聚类分析：使用K-means算法或层次聚类算法进行聚类分析，将客户划分为不同的群体；

三、数据分析步骤

1.数据源

数据来自kaggle:https://www.kaggle.com/datasets/govindkrishnadas/segment/data

2.数据清洗

导入库

#导入所需库
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
%matplotlib inline
import seaborn as sns
plt.style.use('fivethirtyeight')
from sklearn.cluster import KMeans
import plotly as py
import plotly.graph_objects as go
import warnings
import os
warnings.filterwarnings('ignore')

读取数据集并显示数据集前5行

#读取数据集并显示前5行
df=pd.read_csv('C:/Users/Administrator/Desktop/客户细分 —— k-means 聚类分析/Segmentation_dataset.csv')
df.head()

显示数据集的行和列的数量

#显示行列数
df.shape

本数据及共有1599行和5列

查看数据集是否异常

df.info()

数据集由 1599 个观测值（行）和 5 个特征变量（列）组成，无缺失值，无异常值，无重复值。数据类型包括字符串和整数，明确区分了两者。这简化了我们的分析过程。

查看各列缺失值数量

#查看各列缺失值数量
df.isnull().sum()

各列的缺失值都为0，数据库中无缺失值

查看各列统计信息

#统计数据信息
df.describe()

由数据集生成的统计表，包括计数、平均值、标准差、最小值、25%分位数、中位数、75%分位数和最大值等统计指标。

3.数据分析及可视化

查看数据分布

#查看数据分布
sns.pairplot(df)

对每一对列生成一个散点图和一个直方图，以展示它们之间的关系。

单独查看直方图

#单独查看直方图
plt.figure(1,figsize=(12,6))
n=0
for x in ['Age','Annual Income (k$)','Spending Score (1-100)']:
    n+=1
    plt.subplot(1,3,n)
    plt.subplots_adjust(hspace=0.5,wspace=0.5)
    sns.distplot(df[x],bins=20)
plt.show()

第一个柱状图显示了不同年龄段的人口密度，第二个柱状图显示了不同年龄段的支出得分(1-100),第三个柱状图显示了不同年龄段的平均年收入。从图中可以看出，随着年龄的增长，人口密度逐渐减少，而支出得分和平均年收入则呈现出不同的趋势。

样本数据中的性别比

#样本数据中的性别比
#计算每个性别的数量
df_gender_c = df['Gender'].value_counts()
#定义了标签、颜色等
p_lables = ['Female', 'Male']
p_color = ['lightcoral', 'lightskyblue']
p_explode = [0, 0.03]
# 绘图
#创建一个10x10的图形窗口
plt.figure(1,figsize=(10,10))
plt.pie(df_gender_c, labels=p_lables, colors=p_color, explode=p_explode, shadow=True, autopct='%.2f%%')
plt.title('Sex Ratio',fontsize=20)
plt.axis('off')
plt.legend(fontsize=14)
plt.legend()
plt.show()

从图中可以看出，女性占总人口的比例为71.17%，而男性则占28.83%。这个图形的意义是直观地展示出不同性别在总体中所占的比例，有助于了解人口结构中的性别差异。

年龄与年收入之间的关系

# 导入matplotlib.pyplot库，用于绘制图形
import matplotlib.pyplot as plt  
# 设置字体为SimHei，支持中文显示
plt.rcParams['font.sans-serif'] = [u'SimHei']
# 设置负号正常显示
plt.rcParams['axes.unicode_minus'] = False
# 创建一个12x6英寸的图形窗口
plt.figure(1,figsize=(12,6))
# 遍历性别列表，分别绘制男性和女性的散点图
for gender in ['Male','Female']:  
    # 使用scatter函数绘制散点图，x轴为年龄，y轴为年收入，数据来源为df中性别为当前性别的数据
    plt.scatter(x='Age',y='Annual Income (k$)',data=df[df['Gender']==gender],
               s=100,alpha=0.5,label=gender)
# 设置x轴标签为“Age”，y轴标签为“Annual Income (k$)”
plt.xlabel('Age'),plt.ylabel('Annual Income (k$)') 
# 设置图形标题为“不同性别在年龄与年收入之间的关系”
plt.title('不同性别在年龄与年收入之间的关系')
# 显示图例
plt.legend() 
# 显示图形
plt.show()

从图像中可以看出，不同性别在年龄与年收入之间存在差异。这意味着不同性别在相同年龄段的年收入水平可能存在差异，或者不同性别在不同年龄段的年收入水平也存在差异。

年龄与消费得分之间的关系

#不同性别在年龄与年收入之间的关系
import matplotlib.pyplot as plt  
plt.rcParams['font.sans-serif'] = [u'SimHei']
plt.rcParams['axes.unicode_minus'] = False

plt.figure(1,figsize=(12,6))
for gender in ['Male','Female']:  
    plt.scatter(x='Age',y='Spending Score (1-100)',data=df[df['Gender']==gender],
               s=100,alpha=0.5,label=gender)
plt.xlabel('Age'),plt.ylabel('Spending Score (1-100)') 
plt.title('不同性别在年龄与消费得分之间的关系')
plt.legend() 
plt.show()

从图中可以看出，男性的消费得分普遍较高，而女性的消费得分则相对较低。随着年龄的增长，消费得分呈现出一定的波动性，但整体趋势是男性在年轻时消费得分较高，而女性在年长时消费得分较低。

年收入与消费得分之间的关系

#不同性别在年收入与消费得分之间的关系
plt.figure(1,figsize=(12,6))
for gender in ['Male','Female']:  
    plt.scatter(x='Annual Income (k$)',y='Spending Score (1-100)',data=df[df['Gender']==gender],
               s=100,alpha=0.5,label=gender)
plt.xlabel('Annual Income (k$)'),plt.ylabel('Spending Score (1-100)') 
plt.title('不同性别在年收入与消费得分之间的关系')
plt.legend() 
plt.show()

从图中可以看出，男性的消费得分普遍较高，而女性的消费得分相对较低。这可能反映了社会对男女角色和责任的不同期望和分配。

年龄与消费得分与年收入之间的分布

# 创建一个1行3列的图形，大小为12x6英寸
plt.figure(1,figsize=(12,6))
# 初始化计数器n
n=0
# 遍历三个类别（年龄、年收入和消费得分）
for cloname in ['Age','Annual Income (k$)','Spending Score (1-100)']:
    # 增加计数器n的值
    n+=1
    # 创建第n个子图
    plt.subplot(1,3,n)
    # 调整子图之间的水平间距和垂直间距
    plt.subplots_adjust(hspace=0.5,wspace=0.5)
    # 使用箱线图展示不同性别在当前类别的数据分布情况
    sns.boxenplot(x=cloname,y='Gender',data=df,palette='vlag')
    # 使用散点图展示不同性别在当前类别的数据分布情况
    sns.swarmplot(x=cloname,y='Gender',data=df,alpha=0.5)
    # 如果当前子图是第一个子图，则不显示y轴标签
    plt.ylabel('' if n==1 else '')
    # 如果当前子图是第三个子图，则不显示标题
    plt.title('不同性别的数据分布情况' if n==2 else '')
# 显示图形
plt.show()

这张图展示了不同性别在年龄、年度收入和支出得分方面的变化情况。从图中可以看出，男性在这些指标上的分布较为集中，而女性则呈现出一定的分散趋势。这可能意味着男性在这些方面的表现相对稳定，而女性则存在一定的波动性。

4.使用k- means聚类进行分析

根据年龄和消费得分进行细分

# 从数据框df中提取'Age'和'Spending Score (1-100)'两列的数据，并将其转换为numpy数组x1
x1 = df[['Age', 'Spending Score (1-100)']].iloc[:, :].values
# 导入KMeans类
from sklearn.cluster import KMeans
# 初始化一个空列表inertia，用于存储每次迭代的inertia值
inertia = []
# 循环尝试不同的聚类数量（从1到10）
for i in range(1, 11):
    # 创建KMeans对象，设置聚类数量、初始化方法、最大迭代次数、初始运行次数和随机种子
    km = KMeans(n_clusters=i, init='k-means++', max_iter=300, n_init=10, random_state=0)
    # 使用KMeans对象对数据进行拟合
    km.fit(x1)
    # 将当前迭代的inertia值添加到inertia列表中
    inertia.append(km.inertia_)
# 创建一个大小为12x6的图形窗口
plt.figure(1, figsize=(12, 6))
# 绘制inertia值随聚类数量变化的曲线图
plt.plot(range(1, 11), inertia)
# 设置图形标题和坐标轴标签
plt.title('The Ebow Method', fontsize=20)
plt.xlabel('Number of Clusters')
plt.ylabel('inertia')
# 显示图形
plt.show()

利用The Elbow Method手肘法则由图可知最佳聚类个数是1.0

# 创建KMeans对象，设置聚类数量为4，初始化方法为'k-means++'，最大迭代次数为500，初始运行次数为10，随机种子为0
km = KMeans(n_clusters=4, init='k-means++', max_iter=500, n_init=10, random_state=0)
# 使用KMeans模型对数据x1进行拟合，并预测每个样本所属的簇
y_means = km.fit_predict(x1)
# 创建一个大小为16x8的图形窗口
plt.figure(1, figsize=(16, 8))
# 绘制属于簇0的样本点，颜色为蓝色，标签为'1'，透明度为0.6
plt.scatter(x1[y_means == 0, 0], x1[y_means == 0, 1], s=200, c='blue', label='1', alpha=0.6)
# 绘制属于簇1的样本点，颜色为橙色，标签为'2'，透明度为0.6
plt.scatter(x1[y_means == 1, 0], x1[y_means == 1, 1], s=200, c='orange', label='2', alpha=0.6)
# 绘制属于簇2的样本点，颜色为粉色，标签为'3'，透明度为0.6
plt.scatter(x1[y_means == 2, 0], x1[y_means == 2, 1], s=200, c='pink', label='3', alpha=0.6)
# 绘制属于簇3的样本点，颜色为紫色，标签为'4'，透明度为0.6
plt.scatter(x1[y_means == 3, 0], x1[y_means == 3, 1], s=200, c='purple', label='4', alpha=0.6)
# 绘制聚类中心点，颜色为红色，标签为'5'，透明度为0.6
plt.scatter(km.cluster_centers_[:, 0], km.cluster_centers_[:, 1], s=200, c='red', label='5', alpha=0.6)
# 设置y轴标签为'Spending Score (1-100)'，x轴标签为'Age'
plt.ylabel('Spending Score (1-100)'), plt.xlabel('Age')
# 显示图例
plt.legend()
# 显示图形
plt.show()

由图可知蓝色代表第一个簇，橙色代表第二个簇，粉红色代表第三个簇，紫色代表第四个簇。红色还用于表示聚类中心。可以了解不同颜色点在年龄和消费得分上的分布情况，以及它们所属的簇和聚类中心。

另两个的细分如上

使用KMeans算法对数据进行聚类，并绘制3D散点图展示聚类结果

#使用KMeans算法对数据进行聚类，并绘制3D散点图展示聚类结果
# 创建KMeans算法实例，设置聚类数量为6，初始化方法为'k-means++'，运行次数为10，最大迭代次数为300，容差为0.0001，随机种子为100，使用'elkan'算法
algorithm = (KMeans(n_clusters=6, init='k-means++', n_init=10, max_iter=300, tol=0.0001, random_state=100, algorithm='elkan'))
# 使用算法对数据x3进行拟合
algorithm.fit(x3)
# 获取聚类标签
labels = algorithm.labels_
# 获取聚类中心
centroids = algorithm.cluster_centers_
# 将聚类标签添加到原始数据框df中
df['label'] = labels
# 创建3D散点图，x轴为年龄，y轴为消费得分（1-100），z轴为年收入（k$），根据聚类标签设置颜色和大小，同时设置线条颜色和宽度，透明度为0.8
trace1 = go.Scatter3d(
    x=df['Age'],
    y=df['Spending Score (1-100)'],
    z=df['Annual Income (k$)'],
    mode='markers',
    marker=dict(
        color=df['label'],
        size=5,
        line=dict(
            color=df['label'],
            width=5
        ),
        opacity=0.8
    )
)
# 定义绘图布局，设置高度、宽度、标题和坐标轴标题
data = [trace1]
layout = go.Layout(
    height=1000,
    width=1000,
    title='Clusters!',
    scene=dict(
        xaxis=dict(title='Age'),
        yaxis=dict(title='Spending Score (1-100)'),
        zaxis=dict(title='Annual Income (k$)')
    )
)
# 创建绘图对象，传入数据和布局
fig = go.Figure(data=data, layout=layout)
# 离线显示绘图结果
py.offline.iplot(fig)

图中的每个彩色小点代表一个观察值，它们在X轴和Y轴上的位置分别表示"年龄"和"年度收入(千美元)"在Z轴的位置上表示消费得分。通过观察这些小点的密度和大小，我们可以了解到数据在这三个维度上的分布情况。

轮廓系数

# 导入轮廓系数计算函数
from sklearn.metrics import silhouette_score
# 初始化一个空列表，用于存储每个聚类数量对应的轮廓系数
score = []
# 遍历聚类数量从2到9
for i in range(2, 10):
    # 使用KMeans算法对数据x1进行聚类，聚类数量为当前循环的变量i
    model = KMeans(n_clusters=i).fit(x1)
    # 计算聚类结果的轮廓系数，并将结果添加到score列表中
    score.append(silhouette_score(x1, model.labels_, metric='euclidean'))
# 绘制轮廓系数与聚类数量的关系图
plt.plot(range(2, 10), score)
plt.xlabel('Age')
plt.ylabel('Spending Score (1-100)')
plt.show()
# 创建KMeans聚类模型，设置聚类数量为6，初始化方法为'k-means++'
kmeans = KMeans(n_clusters=6, init='k-means++')
# 使用x1数据进行聚类
kmeans.fit(x1)
# 计算x1数据的轮廓系数，使用欧氏距离作为度量标准
print(silhouette_score(x1, kmeans.labels_, metric='euclidean'))

由图可知：年龄与消费得分之间的轮廓系数为0.37，接近于0，表示簇内外样本的距离相差不大，聚类效果一般。

5.完整程序源代码

  1 #导入库
  2 import numpy as np
  3 import pandas as pd
  4 import matplotlib.pyplot as plt
  5 %matplotlib inline
  6 import seaborn as sns
  7 plt.style.use('fivethirtyeight')
  8 from sklearn.cluster import KMeans
  9 import plotly as py
 10 import plotly.graph_objects as go
 11 import warnings
 12 import os
 13 warnings.filterwarnings('ignore')
 14 
 15 #读取数据集并显示前5行
 16 df=pd.read_csv('C:/Users/Administrator/Desktop/客户细分 —— k-means 聚类分析/Segmentation_dataset.csv')
 17 df.head()
 18 
 19 df.shape
 20 
 21 df.info()
 22 
 23 df.dtypes
 24 
 25 #查看各列缺失值数量
 26 df.isnull().sum()
 27 
 28 df.describe()
 29 
 30 #查看数据分布
 31 sns.pairplot(df)
 32 
 33 #单独查看直方图
 34 plt.figure(1,figsize=(12,6))
 35 n=0
 36 for x in ['Age','Annual Income (k$)','Spending Score (1-100)']:
 37     n+=1
 38     plt.subplot(1,3,n)
 39     plt.subplots_adjust(hspace=0.5,wspace=0.5)
 40     sns.distplot(df[x],bins=20)
 41 plt.show()
 42 
 43 #样本数据中的性别比
 44 #计算每个性别的数量
 45 df_gender_c = df['Gender'].value_counts()
 46 #定义了标签、颜色等
 47 p_lables = ['Female', 'Male']
 48 p_color = ['lightcoral', 'lightskyblue']
 49 p_explode = [0, 0.03]
 50 # 绘图
 51 #创建一个10x10的图形窗口
 52 plt.figure(1,figsize=(10,10))
 53 plt.pie(df_gender_c, labels=p_lables, colors=p_color, explode=p_explode, shadow=True, autopct='%.2f%%')
 54 plt.title('Sex Ratio',fontsize=20)
 55 plt.axis('off')
 56 plt.legend(fontsize=14)
 57 plt.legend()
 58 plt.show()
 59 
 60 # 导入matplotlib.pyplot库，用于绘制图形
 61 import matplotlib.pyplot as plt  
 62 # 设置字体为SimHei，支持中文显示
 63 plt.rcParams['font.sans-serif'] = [u'SimHei']
 64 # 设置负号正常显示
 65 plt.rcParams['axes.unicode_minus'] = False
 66 # 创建一个12x6英寸的图形窗口
 67 plt.figure(1,figsize=(12,6))
 68 # 遍历性别列表，分别绘制男性和女性的散点图
 69 for gender in ['Male','Female']:  
 70     # 使用scatter函数绘制散点图，x轴为年龄，y轴为年收入，数据来源为df中性别为当前性别的数据
 71     plt.scatter(x='Age',y='Annual Income (k$)',data=df[df['Gender']==gender],
 72                s=100,alpha=0.5,label=gender)
 73 # 设置x轴标签为“Age”，y轴标签为“Annual Income (k$)”
 74 plt.xlabel('Age'),plt.ylabel('Annual Income (k$)') 
 75 # 设置图形标题为“不同性别在年龄与年收入之间的关系”
 76 plt.title('不同性别在年龄与年收入之间的关系')
 77 # 显示图例
 78 plt.legend() 
 79 # 显示图形
 80 plt.show()
 81 
 82 #不同性别在年龄与年收入之间的关系
 83 import matplotlib.pyplot as plt  
 84 plt.rcParams['font.sans-serif'] = [u'SimHei']
 85 plt.rcParams['axes.unicode_minus'] = False
 86 
 87 plt.figure(1,figsize=(12,6))
 88 for gender in ['Male','Female']:  
 89     plt.scatter(x='Age',y='Spending Score (1-100)',data=df[df['Gender']==gender],
 90                s=100,alpha=0.5,label=gender)
 91 plt.xlabel('Age'),plt.ylabel('Spending Score (1-100)') 
 92 plt.title('不同性别在年龄与消费得分之间的关系')
 93 plt.legend() 
 94 plt.show()
 95 
 96 #不同性别在年收入与消费得分之间的关系
 97 plt.figure(1,figsize=(12,6))
 98 for gender in ['Male','Female']:  
 99     plt.scatter(x='Annual Income (k$)',y='Spending Score (1-100)',data=df[df['Gender']==gender],
100                s=100,alpha=0.5,label=gender)
101 plt.xlabel('Annual Income (k$)'),plt.ylabel('Spending Score (1-100)') 
102 plt.title('不同性别在年收入与消费得分之间的关系')
103 plt.legend() 
104 plt.show()
105 
106 # 创建一个1行3列的图形，大小为12x6英寸
107 plt.figure(1,figsize=(12,6))
108 # 初始化计数器n
109 n=0
110 # 遍历三个类别（年龄、年收入和消费得分）
111 for cloname in ['Age','Annual Income (k$)','Spending Score (1-100)']:
112     # 增加计数器n的值
113     n+=1
114     # 创建第n个子图
115     plt.subplot(1,3,n)
116     # 调整子图之间的水平间距和垂直间距
117     plt.subplots_adjust(hspace=0.5,wspace=0.5)
118     # 使用箱线图展示不同性别在当前类别的数据分布情况
119     sns.boxenplot(x=cloname,y='Gender',data=df,palette='vlag')
120     # 使用散点图展示不同性别在当前类别的数据分布情况
121     sns.swarmplot(x=cloname,y='Gender',data=df,alpha=0.5)
122     # 如果当前子图是第一个子图，则不显示y轴标签
123     plt.ylabel('' if n==1 else '')
124     # 如果当前子图是第三个子图，则不显示标题
125     plt.title('不同性别的数据分布情况' if n==2 else '')
126 # 显示图形
127 plt.show()
128 
129 # 从数据框df中提取'Age'和'Spending Score (1-100)'两列的数据，并将其转换为numpy数组x1
130 x1 = df[['Age', 'Spending Score (1-100)']].iloc[:, :].values
131 # 导入KMeans类
132 from sklearn.cluster import KMeans
133 # 初始化一个空列表inertia，用于存储每次迭代的inertia值
134 inertia = []
135 # 循环尝试不同的聚类数量（从1到10）
136 for i in range(1, 11):
137     # 创建KMeans对象，设置聚类数量、初始化方法、最大迭代次数、初始运行次数和随机种子
138     km = KMeans(n_clusters=i, init='k-means++', max_iter=300, n_init=10, random_state=0)
139     # 使用KMeans对象对数据进行拟合
140     km.fit(x1)
141     # 将当前迭代的inertia值添加到inertia列表中
142     inertia.append(km.inertia_)
143 
144 # 创建一个大小为12x6的图形窗口
145 plt.figure(1, figsize=(12, 6))
146 # 绘制inertia值随聚类数量变化的曲线图
147 plt.plot(range(1, 11), inertia)
148 # 设置图形标题和坐标轴标签
149 plt.title('The Ebow Method', fontsize=20)
150 plt.xlabel('Number of Clusters')
151 plt.ylabel('inertia')
152 # 显示图形
153 plt.show()
154 
155 # 创建KMeans对象，设置聚类数量为4，初始化方法为'k-means++'，最大迭代次数为500，初始运行次数为10，随机种子为0
156 km = KMeans(n_clusters=4, init='k-means++', max_iter=500, n_init=10, random_state=0)
157 # 使用KMeans模型对数据x1进行拟合，并预测每个样本所属的簇
158 y_means = km.fit_predict(x1)
159 # 创建一个大小为16x8的图形窗口
160 plt.figure(1, figsize=(16, 8))
161 # 绘制属于簇0的样本点，颜色为蓝色，标签为'1'，透明度为0.6
162 plt.scatter(x1[y_means == 0, 0], x1[y_means == 0, 1], s=200, c='blue', label='1', alpha=0.6)
163 # 绘制属于簇1的样本点，颜色为橙色，标签为'2'，透明度为0.6
164 plt.scatter(x1[y_means == 1, 0], x1[y_means == 1, 1], s=200, c='orange', label='2', alpha=0.6)
165 # 绘制属于簇2的样本点，颜色为粉色，标签为'3'，透明度为0.6
166 plt.scatter(x1[y_means == 2, 0], x1[y_means == 2, 1], s=200, c='pink', label='3', alpha=0.6)
167 # 绘制属于簇3的样本点，颜色为紫色，标签为'4'，透明度为0.6
168 plt.scatter(x1[y_means == 3, 0], x1[y_means == 3, 1], s=200, c='purple', label='4', alpha=0.6)
169 # 绘制聚类中心点，颜色为红色，标签为'5'，透明度为0.6
170 plt.scatter(km.cluster_centers_[:, 0], km.cluster_centers_[:, 1], s=200, c='red', label='5', alpha=0.6)
171 # 设置y轴标签为'Spending Score (1-100)'，x轴标签为'Age'
172 plt.ylabel('Spending Score (1-100)'), plt.xlabel('Age')
173 # 显示图例
174 plt.legend()
175 # 显示图形
176 plt.show()
177 
178 x2=df[['Annual Income (k$)','Spending Score (1-100)']].iloc[:,:].values
179 from sklearn.cluster import KMeans
180 inertia=[]
181 for i in range(1,11):
182     km=KMeans(n_clusters=i,init='k-means++',max_iter=300,n_init=10,random_state=0)
183     km.fit(x2)
184     inertia.append(km.inertia_)
185 plt.figure(1,figsize=(12,6))
186 plt.plot(range(1,11),inertia)
187 plt.title('The Ebow Method',fontsize=20)
188 plt.xlabel('Number of Clusters')
189 plt.ylabel('inertia')
190 plt.show()
191 
192 km = KMeans(n_clusters = 5, init = 'k-means++', max_iter = 500,n_init = 10,random_state=0)
193 y_means = km.fit_predict(x2)
194 plt.figure(1,figsize = (16,8))
195 plt.scatter(x2[y_means == 0,0],x2[y_means==0,1],s=200,c='blue', label='1', alpha=0.6)
196 plt.scatter(x2[y_means == 1,0],x2[y_means==1,1],s = 200,c='orange', label='2', alpha=0.6)
197 plt.scatter(x2[y_means == 2,0],x2[y_means==2,1],s = 200,c='pink', label='3', alpha=0.6)
198 plt.scatter(x2[y_means == 3,0],x2[y_means==3,1],s = 200,c='purple', label='4', alpha=0.6)
199 plt.scatter(x2[y_means == 5,0],x2[y_means==5,1],s = 200,c='green', label='5', alpha=0.6)
200 plt.scatter(km.cluster_centers_[:,0], km.cluster_centers_[:, 1], s = 200,c='red', label='6', alpha=0.6)
201 plt.ylabel('Spending Score (1-100)'), plt.xlabel('Annual Income (k$)')
202 plt.legend()
203 plt.show()
204 
205 x3=df[['Age','Annual Income (k$)','Spending Score (1-100)']].iloc[:,:].values
206 from sklearn.cluster import KMeans
207 inertia=[]
208 for i in range(1,11):
209     km=KMeans(n_clusters=i,init='k-means++',max_iter=300,n_init=10,random_state=0)
210     km.fit(x3)
211     inertia.append(km.inertia_)
212 plt.figure(1,figsize=(12,6))
213 plt.plot(range(1,11),inertia)
214 plt.title('The Elbow Method',fontsize=20)
215 plt.xlabel('Number of Clusters')
216 plt.ylabel('inertia')
217 plt.show()
218 
219 #使用KMeans算法对数据进行聚类，并绘制3D散点图展示聚类结果
220 # 创建KMeans算法实例，设置聚类数量为6，初始化方法为'k-means++'，运行次数为10，最大迭代次数为300，容差为0.0001，随机种子为100，使用'elkan'算法
221 algorithm = (KMeans(n_clusters=6, init='k-means++', n_init=10, max_iter=300, tol=0.0001, random_state=100, algorithm='elkan'))
222 # 使用算法对数据x3进行拟合
223 algorithm.fit(x3)
224 # 获取聚类标签
225 labels = algorithm.labels_
226 # 获取聚类中心
227 centroids = algorithm.cluster_centers_
228 
229 # 将聚类标签添加到原始数据框df中
230 df['label'] = labels
231 # 创建3D散点图，x轴为年龄，y轴为消费得分（1-100），z轴为年收入（k$），根据聚类标签设置颜色和大小，同时设置线条颜色和宽度，透明度为0.8
232 trace1 = go.Scatter3d(
233     x=df['Age'],
234     y=df['Spending Score (1-100)'],
235     z=df['Annual Income (k$)'],
236     mode='markers',
237     marker=dict(
238         color=df['label'],
239         size=5,
240         line=dict(
241             color=df['label'],
242             width=5
243         ),
244         opacity=0.8
245     )
246 )
247 # 定义绘图布局，设置高度、宽度、标题和坐标轴标题
248 data = [trace1]
249 layout = go.Layout(
250     height=1000,
251     width=1000,
252     title='Clusters!',
253     scene=dict(
254         xaxis=dict(title='Age'),
255         yaxis=dict(title='Spending Score (1-100)'),
256         zaxis=dict(title='Annual Income (k$)')
257     )
258 )
259 # 创建绘图对象，传入数据和布局
260 fig = go.Figure(data=data, layout=layout)
261 # 离线显示绘图结果
262 py.offline.iplot(fig)
263 
264 # 导入轮廓系数计算函数
265 from sklearn.metrics import silhouette_score
266 # 初始化一个空列表，用于存储每个聚类数量对应的轮廓系数
267 score = []
268 # 遍历聚类数量从2到9
269 for i in range(2, 10):
270     # 使用KMeans算法对数据x1进行聚类，聚类数量为当前循环的变量i
271     model = KMeans(n_clusters=i).fit(x1)
272     # 计算聚类结果的轮廓系数，并将结果添加到score列表中
273     score.append(silhouette_score(x1, model.labels_, metric='euclidean'))
274 # 绘制轮廓系数与聚类数量的关系图
275 plt.plot(range(2, 10), score)
276 plt.xlabel('Age')
277 plt.ylabel('Spending Score (1-100)')
278 plt.show()
279 # 创建KMeans聚类模型，设置聚类数量为6，初始化方法为'k-means++'
280 kmeans = KMeans(n_clusters=6, init='k-means++')
281 # 使用x1数据进行聚类
282 kmeans.fit(x1)
283 # 计算x1数据的轮廓系数，使用欧氏距离作为度量标准
284 print(silhouette_score(x1, kmeans.labels_, metric='euclidean'))
285 
286 # 轮廓系数
287 from sklearn.metrics import silhouette_score
288 score = []
289 for i in range(2,10):
290     model = KMeans(n_clusters=i).fit(x2)
291     score.append(silhouette_score(x2, model.labels_, metric='euclidean'))  
292 plt.plot(range(2,10),score)
293 plt.xlabel('Annual Income (k$)')
294 plt.ylabel('Spending Score (1-100)')
295 plt.show()
296 kmeans = KMeans( n_clusters = 6, init='k-means++')
297 kmeans.fit(x1)
298 print(silhouette_score(x2, kmeans.labels_, metric='euclidean'))
299 
300 # 轮廓系数
301 from sklearn.metrics import silhouette_score
302 score = []
303 for i in range(2,10):
304     model = KMeans(n_clusters=i).fit(x3)
305     score.append(silhouette_score(x3, model.labels_, metric='euclidean'))
306 plt.plot(range(2,10),score)
307 plt.xlabel('Age')
308 plt.ylabel('Annual Income (k$)')
309 plt.show()
310 kmeans = KMeans( n_clusters = 6, init='k-means++')
311 kmeans.fit(x1)
312 print(silhouette_score(x3, kmeans.labels_, metric='euclidean'))

四、总结

在Python数据分析课程设计中，我们进行了大数据分析—客户细分分析。通过这个设计，我们学习了如何使用Python进行数据分析和挖掘，掌握了常用的数据分析和挖掘算法，提高了对大数据分析的理解和应用能力。我们对客户数据进行了清洗和预处理，包括处理缺失值、异常值等，确保数据的质量和准确性。我们使用聚类分析将客户划分为不同的群体，每个群体具有相似的购买行为和偏好。

1.通过对数据分析和挖掘，我们可以得到以下有益的结论：

客户细分分析可以帮助企业更好地了解客户需求，从而提供更加精准的产品和服务。

通过聚类分析，我们可以将客户划分为不同的群体，每个群体具有相似的购买行为和偏好。

2.在完成此设计过程中，我得到了以下收获：

学会了使用Python进行数据分析和挖掘，包括数据清洗、数据转换、数据可视化等技术。

掌握了常用的数据分析和挖掘算法，如聚类分析、关联规则分析、分类预测等。

学会了使用常用的数据分析工具和库，如Pandas、NumPy、Matplotlib、Scikit-learn等。

提高了对大数据分析的理解和应用能力，能够将理论知识应用到实际问题中。

标签：数据分析,课程设计,plt,means,df,聚类,100,x1,聚类分析
From： https://www.cnblogs.com/zhangwentao1234/p/17931174.html

【Python数据分析课程设计】大数据分析—利用k-means 聚类分析对客户细分分析