python直线聚类_Python用K-means聚类算法进行客户分群的实现

sns.set(palette="muted", color_codes=True) # seaborn样式

# 配置

plt.rcParams['axes.unicode_minus'] = False # 解决无法显示符号的问题

sns.set(font='SimHei', font_scale=0.8) # 解决Seaborn中文显示问题

# 绘图

plt.figure(1, figsize=(13, 6))

n = 0

for x in ['Age', 'Annual Income', 'Spending Score']:

n += 1

plt.subplot(1, 3, n)

plt.subplots_adjust(hspace=0.5, wspace=0.5)

sns.distplot(df[x], bins=16, kde=True) # kde 密度曲线

plt.title('{}分布情况'.format(x))

plt.tight_layout()

plt.show()

如下图。从左到右分别是年龄、年收入和消费能力的分布情况。发现：

年龄方面：[30，36]范围的客户是最多的另外，在[20，21]也不少，但是60岁以上的老年人是最不常来消费的。

年收入方面：大部分的客户集中在[53,83]范围里，在15以下和105以上的很少。

消费分数方面：消费分数在[40,55]的占了大多数，在[70,80]范围的次之。

2.3年龄/年收入/消费分数的柱状图

这里使用的是柱状图，和直方图不同的是：xxx轴上的每一个刻度对应的是一个离散点，而不是一个区间。

plt.figure(1, figsize=(13, 6))

k = 0

for x in ['Age', 'Annual Income', 'Spending Score']:

k += 1

plt.subplot(3, 1, k)

plt.subplots_adjust(hspace=0.5, wspace=0.5)

sns.countplot(df[x], palette='rainbow', alpha=0.8)

plt.title('{}分布情况'.format(x))

plt.tight_layout()

plt.show()

如下图。从上到下分别是年龄、年收入和消费能力的柱状图。发现：

年龄方面：[27,40]范围的客户居多。其中，32岁的客户是商城的常客，55,、56、64、69岁的用户却很少。总的来说，年龄较大的人群较少，年龄较少的人群较多。

年收入方面：年收入在54和78的频数是最多的。其他在各个收入的客户频数看起来相差不太大。

消费分数方面：消费分数在42的客户数是最多的，56次之。有的客户的分数甚至达到了99，而分数为1的客户也存在，没有分数为0的客户。

2.4不同性别用户占比

df_gender_c = df['Gender'].value_counts()

p_lables = ['Female', 'Male']

p_color = ['lightcoral', 'lightskyblue']

p_explode = [0, 0.05]

# 绘图

plt.pie(df_gender_c, labels=p_lables, colors=p_color, explode=p_explode, shadow=True, autopct='%.2f%%')

plt.axis('off')

plt.legend()

plt.show()

如下饼图。女性以56％的份额居于领先地位，而男性则占整体的44％。特别是当男性人口相对高于女性时，这是一个比较大的差距。