K-Means聚类算法的python实现

1.数据格式

Id（索引）	R（特征）	F（特征）	M（特征）
1	27	6	232.61
2	3	5	1507.11
3	4	16	817.62
4	3	11	232.81
5	14	7	1913.05
6	19	6	220.07
7	5	2	615.83
8	26	2	1059.66
...	...	...	...

2.代码

（1）主体（输出聚类中心）

import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np

df = pd.read_excel("consumption_data.xls")
scaler = StandardScaler()
df_scaled = scaler.fit_transform(df.drop('Id', axis=1))
model = KMeans(n_clusters=3)
model.fit(df_scaled)

centers = pd.DataFrame(model.cluster_centers_, columns=df.drop('Id', axis=1).columns)
r1 = pd.Series(model.labels_).value_counts()
r = pd.concat([centers, r1], axis=1)
r.columns = list(df.drop('Id', axis=1).columns) + ['聚类类别数量']
print(r)

（2）可视化（聚类中心雷达图）

attributes = ['R', 'F', 'M']
angles = np.linspace(0, 2 * np.pi, len(attributes), endpoint=False).tolist()
angles += angles[:1]
fig, ax = plt.subplots(figsize=(8, 8), subplot_kw=dict(polar=True))
for i in range(len(centers)):
    values = centers.iloc[i].values.tolist()
    values += values[:1]
    ax.plot(angles, values, linewidth=1, linestyle='solid', label='Cluster {}'.format(i))
ax.set_xticks(angles[:-1])
ax.set_xticklabels(attributes)
ax.legend(loc='upper right', bbox_to_anchor=(1.1, 1.0))
plt.show()

3.后续更新中