超级会员免费看
本文通过Python的Pandas和Numpy库对天猫订单数据进行离群点检测，使用K-Means聚类算法识别离群点，并通过Matplotlib展示了各地区订单的散点图、饼图、折线图和条形图，揭示了全国范围内线上交易的普及和消费者购买行为的特征。
天猫订单之数据分析与挖掘——离群点检测及可视化
文章目录
0. 写在前面
- Windows：
Windows10 - Python：
Python3.9
本次案例项目主要是采用Pandas和Numpy对天猫订单数据集进行处理、挖掘、分类和聚类分析，最终利用数据可视化工具Matplotlib展示各地区在天猫平台的消费情况。
1. 离群点检测
说明：由于数据量较大，会导致离群点的检测的效果图明显重叠，此处只选择前1000条数据集作为测试的数据集。
1.1 步骤
步骤如下：
先采用K-Means算法对数据点进行聚类，此处选择K-Means聚类算法将样本数据集聚成K（K=3）簇，并找到各簇的质心，计算出每个数据订单的相对距离，相对距离小于等于阈值的订单即可认为是正常点，大于阈值的认为是离群点，最终通过绘制出相对距离图便可以看出来结果。
代码如下：
import pandas as pd
im
订阅专栏 解锁全文
3549
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
