Python 手把手教你用K-Means算法实现银行客户聚类

关注微信公共号：小程在线

关注CSDN博客：程志伟的博客

Python 3.7.6 (default, Jan  8 2020, 20:23:39) [MSC v.1916 64 bit (AMD64)]
Type "copyright", "credits" or "license" for more information.

IPython 7.12.0 -- An enhanced Interactive Python.

import pandas as pd

df = pd.read_csv(r'F:\Python\data_clean.csv')
df.head()
Out[3]: 
    ATM_POS       TBM       CSC
0 -0.852354 -0.294938  0.143935
1 -0.333078 -0.244334  0.939343
2  0.918067  0.593787  2.349496
3 -0.741847 -0.210507 -0.521592
4 -0.499703 -0.492714 -0.367629

##########################K-Means 聚类的第一种方式######################
####不进行变量分布的正太转换--用于寻找异常值

var = ["ATM_POS","TBM","CSC"]  # var: variable-变量
skew_var = {}
for i in var:
    skew_var[i]=abs(df[i].skew()) # .skew() 求该变量的偏度
    skew=pd.Series(skew_var).sort_values(ascending=False)
skew
Out[4]: 
TBM        51.881233
CSC         6.093417
ATM_POS     2.097633
dtype: float64

# 进行k-means聚类
from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3) # n_clusters=3 表示聚成3类
# kmeans = cluster.KMeans(n_clusters=3, init='random', n_init=1)
result = kmeans.fit(df)
result
Out[5]: 
KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300,
       n_clusters=3, n_init=10, n_jobs=None, precompute_distances='auto',
       random_state=None, tol=0.0001, verbose=0)

# 对分类结果进行解读
model_data_l = df.join(pd.DataFrame(result.labels_)) 
                            # .labels_ 表示这一个数据点属于什么类
model_data_l = model_data_l.rename(columns={0: "clustor"})
model_data_l.sample(10)
Out[6]: 
        ATM_POS       TBM       CSC  clustor
77679  0.936609  0.009762  1.564585        1
32603 -0.209777 -0.215745 -0.076762        0
14039  1.623835  0.302078  2.613356        2
74096 -0.691668 -0.261177 -0.476536        0
99545 -0.883165  0.177141 -0.502084        0
78975  2.620059  0.312637 -0.399348        1
50228 -0.641716 -0.215492 -0.516080        0
44720 -0.887047 -0.409208 -0.179773        0
9908  -0.883445  0.108431 -0.502625        0
24114  1.216122 -0.316941  0.019256        1

# 饼图呈现
import matplotlib
model_data_l.clustor.value_counts().plot(kind = 'pie')
Out[7]: <matplotlib.axes._subplots.AxesSubplot at 0x1d50b13dd08>

###################    k-means聚类的第二种方式   ###################
####进行变量分布的正态转换--用于客户细分
# 进行变量分布的正态转换 

import numpy as np
from sklearn import preprocessing
quantile_transformer = \
    preprocessing.QuantileTransformer(output_distribution='normal', 
                                      random_state=0) # 正态转换
## 插播：转换的方式有很多种，每种都会涉及一些咋看起来比较晦涩的统计学公式
## 但请不要担心，每种代码其实都是比较固定的，
  ## 这里使用 QT 转换（每种转换的原理和特点优劣等可参考网络资源）

df_trans = quantile_transformer.fit_transform(df)
df_trans = pd.DataFrame(df_trans)  
 # 因为 .fit_transform 转换出来的数据类型为 Series，
    ## 所以用 pandas 给 DataFrame 化一下

df_trans = df_trans.rename(columns={0: "ATM_POS", 1: "TBM", 2: "CSC"})
df_trans.head()
Out[8]: 
    ATM_POS       TBM       CSC
0 -0.501859 -0.265036  0.770485
1  0.097673 -0.154031  1.316637
2  0.952085  1.168354  1.845934
3 -0.333179 -0.084688 -1.780166
4 -0.071278 -0.888898 -0.066404

# 检验一下偏度：发现几乎都为 0 了
var = ["ATM_POS","TBM","CSC"]
skew_var = {}
# 循环计算偏度：发现都差不多等于 0 了。
for i in var:
    skew_var[i] = abs(df_trans[i].skew())
    skew = pd.Series(skew_var).sort_values(ascending=False)
skew
Out[9]: 
ATM_POS    0.006430
CSC        0.000474
TBM        0.000046
dtype: float64

kmeans = KMeans(n_clusters=4)  # 这次聚成 4 类
result = kmeans.fit(df_trans)

model_data_l = df_trans.join(pd.DataFrame(result.labels_))
model_data_l = model_data_l.rename(columns={0: "clustor"})
model_data_l.head()
Out[10]: 
    ATM_POS       TBM       CSC  clustor
0 -0.501859 -0.265036  0.770485        3
1  0.097673 -0.154031  1.316637        2
2  0.952085  1.168354  1.845934        2
3 -0.333179 -0.084688 -1.780166        1
4 -0.071278 -0.888898 -0.066404        3

model_data_l.clustor.value_counts().plot(kind='pie',
                   shadow=True, autopct='%.2f%%') # 两位小数百分比
Out[11]: <matplotlib.axes._subplots.AxesSubplot at 0x1d50b1f2708>