ImportError: [joblib] Attempting to do parallel computing without protecting your import on a system

#-*- coding: utf-8 -*-
#使用K-Means算法聚类消费行为特征数据

import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

if __name__=="__main__":
    #参数初始化
    inputfile = 'consumption_data.xls' #销量及其他属性数据
    outputfile = 'data_type.xls' #保存结果的文件名
    k = 3 #聚类的类别
    iteration = 500 #聚类最大循环次数
    data = pd.read_excel(inputfile, index_col = 'Id') #读取数据
    data_zs = 1.0*(data - data.mean())/data.std() #数据标准化

    model = KMeans(n_clusters = k, n_jobs = 4, max_iter = iteration) #分为k类，并发数4
    model.fit(data_zs) #开始聚类

    #简单打印结果
    r1 = pd.Series(model.labels_).value_counts() #统计各个类别的数目
    r2 = pd.DataFrame(model.cluster_centers_) #找出聚类中心
    r = pd.concat([r2, r1], axis = 1) #横向连接（0是纵向），得到聚类中心对应的类别下的数目
    r.columns = list(data.columns) + [u'类别数目'] #重命名表头
    print(r)

    #详细输出原始数据及其类别
    r = pd.concat([data, pd.Series(model.labels_, index = data.index)], axis = 1)  #详细输出每个样本对应的类别
    r.columns = list(data.columns) + [u'聚类类别'] #重命名表头
    r.to_excel(outputfile) #保存结果

    def density_plot(data):  # 自定义作图函数
        plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
        plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
        p = data.plot(kind='kde', linewidth=2, subplots=True, sharex=False)
        [p[i].set_ylabel(u'密度') for i in range(k)]
        plt.legend()
        return plt

    pic_output = 'tmp/pd_' #概率密度图文件名前缀
    for i in range(k):
      density_plot(data[r[u'聚类类别']==i]).savefig(u'%s%s.png' %(pic_output, i))

本代码我把包的的导入放在了开头

解决方案：

对于代码的报错，我在此代码中的第8行加入了if __name__=="__main__":得到解决，希望有帮助。