聚类分析案例学习

一.导入数据

import pandas as pd
import numpy as np
from scipy import stats
# 设置文件路径  
file_path = '1999年全国31个省份城镇居民家庭平均每人全年消费性支出数据.csv'  
# 使用 pandas 的 read_csv 函数读取 CSV 文件，注意查看csv文件的编码，默认不填为utf-8编码
data = pd.read_csv(file_path,encoding='gbk')  

需要注意的点：

1.设置文件路径时，一定要选择文件的绝对路径，便于编译器找到文件。

2.当文件路径中出现 / 时，为了避免报错，（因为转义字符出错），需要在开头加上r/R，或者采用 // 的方法

二. 检验数据是否读取成功

print(data.head())

当读取成功时，会出现以下结果：

三. 数据预处理

print(data.isnull().any())

利用data.isnull().any()检验是否存在缺失值：false无缺失值/true有缺失值

运行结果：

四. 选取有用数据进行读取 

X = data.iloc[:, 1:] 

五.标准化处理数据

from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
print(np.round(X_scaled, 2))

 运行结果：

六.绘制手肘图

from sklearn.cluster import KMeans
from sklearn.decomposition import PCA
import matplotlib.pyplot as plt
# 标准化数据
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 使用PCA进行降维
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)

# 使用手肘法确定最佳的K值
inertia = []
for k in range(1, 11):
    kmeans = KMeans(n_clusters=k, random_state=42)
    kmeans.fit(X_scaled)
    inertia.append(kmeans.inertia_)

# 绘制手肘法图表
plt.figure(figsize=(8, 4))
plt.plot(range(1, 11), inertia, marker='o', linestyle='--')

plt.ylabel('误差平方和',fontproperties='SimHei', fontsize=20)
plt.title('手肘法图表',fontproperties='SimHei', fontsize=20)
plt.savefig('手肘法图.png',dpi=300)
plt.grid(True)

plt.show()

 运行结果：

七.K-Means图绘制 

# 从手肘法图表中选择最佳的K值
# 在这个示例中，根据手肘法，选择K=3

# 使用最佳的K值进行K-Means聚类
best_k = 4
kmeans = KMeans(n_clusters=best_k, random_state=42)
kmeans.fit(X_scaled)

# 将簇标签添加到原始数据中
data['亚类别'] = kmeans.labels_

# 打印每个簇中的样本数量
print(data['亚类别'].value_counts())

# PCA绘制降维后的数据及其簇分布
plt.figure(figsize=(8, 6))
plt.scatter(X_pca[:, 0], X_pca[:, 1], c=kmeans.labels_, cmap='viridis')
plt.xlabel('主成分1',fontproperties='SimHei', fontsize=20)
plt.ylabel('主成分2',fontproperties='SimHei', fontsize=20)
plt.title('K-Means Clustering with k = 2')
plt.savefig('K-Means 结果.png',dpi=300)
plt.show()

运行成果图： 

 注意：

如果希望在图中显示汉字，需要在plt.xlabel('主成分1')函数中加入参数,fontproperties='SimHei', fontsize=20，这样汉字便可正常显示

八.聚类分析结果