电商经销商年度消费业务分析

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.preprocessing import LabelEncoder
from sklearn.preprocessing import Normalizer
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

# 解决中文乱码问题
plt.rcParams['font.sans-serif']='SimHei'
# 解决负号无法显示问题
plt.rcParams['axes.unicode_minus']=False

#第一步： 加载数据
data = pd.read_csv('Wholesale customers data.csv')
print(data.head())
print(data.describe())
print(data.info())

#第二步: 数据探索
#部分类别消费直方图
plt.hist(data['Fresh'],bins=20,edgecolor='k',alpha=0.5)
plt.show()
plt.hist(data['Milk'],bins=20,edgecolor='k',alpha=0.5)
plt.show()
plt.hist(data['Grocery'],bins=20,edgecolor='k',alpha=0.5)
plt.show()

#地区占比饼状图
channel = data['Channel'].value_counts()
print(channel)
x = channel.index
y = channel.values
print(x,y)
plt.figure(figsize=(10,7))
plt.pie(y,labels=x,autopct='%.1f %%',startangle=90)
plt.xlabel('顾客购买渠道占比')
plt.show()
#渠道占比饼状图
region = data['Region'].value_counts()
print(region)
x = region.index
y = region.values
print(x,y)
plt.figure(figsize=(10,7))
plt.pie(y,labels=x,autopct='%.1f %%',startangle=90)
plt.xlabel('顾客所在地区占比')
plt.show()

#相关关系，热力图 annot:True 热力图中每个格子写入数据
sns.heatmap(data.corr(),cmap='Wistia',annot=True)
plt.show()

#地区和新鲜产品年度支出之间的关联性 palette:使用调色板
sns.boxenplot(data['Region'],data['Fresh'],palette='hsv')
plt.show()
#购买渠道和新鲜产品年度支出之间的关联性 palette:使用调色板
sns.boxenplot(data['Channel'],data['Fresh'],palette='hsv')
plt.show()
#地区和奶制品、零食、冷冻食品、洗涤和纸、熟食支出之间的联系
x = data['Region']
y = data['Milk']
z = data['Grocery']
l = data['Detergents_Paper']
m= data['Frozen']
n = data['Delicassen']
sns.lineplot(x,y,color='blue')  #地区vs奶制品
sns.lineplot(x,z,color='black') #地区vs零食
sns.lineplot(x,l,color='pink')  #地区vs洗涤和纸
sns.lineplot(x,m,color='yellow') #地区vs冷冻食品
sns.lineplot(x,n,color='green') #地区vs熟食
plt.show()

#购买渠道和奶制品、零食、冷冻食品、洗涤和纸、熟食支出之间的联系
x = data['Channel']
y = data['Milk']
z = data['Grocery']
l = data['Detergents_Paper']
m= data['Frozen']
n = data['Delicassen']
sns.lineplot(x,y,color='blue')  #渠道vs奶制品
sns.lineplot(x,z,color='black') #渠道vs零食
sns.lineplot(x,l,color='pink')  #渠道vs洗涤和纸
sns.lineplot(x,m,color='yellow') #渠道vs冷冻食品
sns.lineplot(x,n,color='green') #渠道vs熟食
plt.show()

#第三步特征工程
#进行one-hot编码
label = LabelEncoder()
data['channel_code'] = label.fit_transform(data['Channel'])
print(data.head())
print(data.columns)

#构造数据集
X = data.iloc[:,[1,2,3,4,5,6,7,8]]
print(X.head())
columns = X.columns

#数据预处理：标准化
nl = Normalizer()
X = nl.fit_transform(X)

score = [] #模型评分
range_values = np.arange(2,10) #初始聚类个数
print(range_values)
#簇从2-9分别训练模型，计算轮廓系数
for i in range_values:
    kmeans = KMeans(n_clusters=i)
    kmeans.fit(X)
    s = silhouette_score(X,kmeans.labels_)
    score.append(s)

#取出最高得分
print(np.max(score))
#画出所有得分的柱状图
plt.bar(range_values,score,width=0.7,color='b',align='center')
plt.show()
#根据得分情况的分析簇选2最优的
n_clusters = 2

#确定模型
kmeans = KMeans(n_clusters=n_clusters)
kmeans.fit(X)
#取分类的结果
y_pred = kmeans.labels_
print(y_pred)
center = kmeans.cluster_centers_
km_labels = pd.Series(y_pred)
#统计各类别的数量
size = km_labels.value_counts()
print(size)
x = size.index
y = size.values
plt.figure(figsize=(10,7))
plt.pie(y,labels=x,autopct='%.1f %%',startangle=90)
plt.xlabel('类别占比')
plt.show()
#增加一列，分类结果
data['labels'] = y_pred
data.to_csv('Wholesale cumstomers1.csv')

print(center)
df = pd.DataFrame(center[:,[1,2,3,4,5,6]],columns=['新鲜产品','奶制品',
                                                   '零食','冷冻食品','洗涤和纸','熟食'])
print(df)
#画出dataframe的柱状图
df.plot(kind='bar')
plt.xticks(rotation=360)
plt.show()