使用聚类算法帮助线下零售店提升供货效率

两周前公司在Noosa的一家店（confidentiality原因不具体指明品牌了）的店长反馈当地的短裤类产品卖得很火，但停止供货了。这是个有趣的问题。立即与该品牌线下零售的负责人取得联系，得到了一些背景信息。

1. 服饰零售业显然有季节性，十多年来公司始终是根据各地气候确认何时供货的
2. 在澳洲国内分为六个区，Hot hot热带区, Hot亚热区，Warm温带区，Cold寒冷区，Perth地中海型气候区，Riverera干热区。所有店均按这六个区的分割来确定何时进入清仓模式

在Power BI上用地图视图可以清晰看到基于地理和气候的划分

问题的第一步是证伪。根据店长反馈显然起码Noosa店并不适合按这种区划来确定供货周期(Assortment Planning)。是否的确如此呢？可以根据夏季产品的销量占比来做聚类，观察哪些店有类似的销售模式。

category_sales = df.set_index(['Store', 'Month'])
category_sales['UnitQtyMonthlySum'] = category_sales['UnitQty'].groupby(['Store', 'Month']).sum()
category_sales['UnitQty