python学习_day17---k_mean

最新推荐文章于 2022-03-23 20:58:50 发布
最新推荐文章于 2022-03-23 20:58:50 发布
阅读量270 收藏
点赞数
分类专栏： python 文章标签： python 聚类 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/weixin_45800653/article/details/121729113
版权

文章目录

一、算法介绍

k-means算法也就是K均值算法，是最经典的聚类算法

二、算法原理

k-means算法以k为参数，把n个对象分为k个簇，使簇内具有较高的相似度，而簇间的相似度较低

三、算法流程

1、随机选择k个点 作为每组的中心（聚类中心）
2、将每个点 归属为 和其最相似的 聚类中心
计算每个点到K个聚类中心的距离，归属为和其距离最小的聚类中心
3、重新确定聚类中心（聚类中心就取每类的点的平均值）
4、重复2和3步

停止条件
精准停止条件：
1、聚类中心的位置不再发生变化
2、前后两次，聚类结果不再发生变化

粗略停止条件：
1、达到一定的迭代次数
2、前后两次，聚类中心位置差距小于某个阈值
2、前后两次，聚类结果变化量小于某个阈值
在这里插入图片描述

四、实例实现—超市客户分群

1、基本实现

import pandas as pd
import numpy as np
import pdb  # 断点

# 需求：客户分3组，分别是普通会员、VIP、SVIP

df = pd.read_csv("D:\pycharm\pythonProject\k-means算法./company.csv", encoding='ANSI')

# 客户年龄和会员卡关系不大
X = df[["平均每次消费金额", "平均消费周期（天）"]]

"""
# 聚类算法 通常不进行 数据拆分
# print(X)
# 算法过程
# 1. 随机指定K个聚类中心
center = np.array([[13, 1],  # 类0
                   [789, 90],  # 类1
                   [100, 40]])  # 类2

label_list = []
# 2. 将每个样本归属为和其最近的聚类中心
for sample in X.values:  # X.values是二维数组
    # print(sample)
    # 计算该样本到3个聚类中心的距离
    dis = np.sqrt(((center - sample) ** 2).sum(axis=1))

    # 数组最小值所在的索引
    # print(np.argmin(dis))
    label = np.argmin(dis)  # 所属的类别

    label_list.append(label)

print("第一次计算后，归属的结果", label_list)

X["组号"] = label_list
print("第一次聚类结果\n", X)

# 计算新的聚类中心
new_center = X.groupby(by="组号")[["平均每次消费金额", "平均消费周期（天）"]].mean()
print("新的聚类中心\n", new_center)

"""


def k_mean(center):
    label_list = []  # 用于存储所有样本的类别

    # 2. 将每个样本归属为和其最近的聚类中心
    for sample in X[["平均每次消费金额", "平均消费周期（天）"]].values:  # X.values是二维数组
        # print(sample)
        # 计算该样本到3个聚类中心的距离
        dis = np.sqrt(((center - sample) ** 2).sum(axis=1))

        # 数组最小值所在的索引
        # print(np.argmin(dis))
        label = np.argmin(dis)  # 所属的类别

        label_list.append(label)

    X["组号"] = label_list
    # 计算新的聚类中心
    new_center = X.groupby(by="组号")[["平均每次消费金额", "平均消费周期（天）"]].mean()
    return new_center.values


# 初始化聚类中心
# center = np.array([[13, 1],  # 类0
#                    [789, 90],  # 类1
#                    [100, 40]])  # 类2

center = np.array([[317, 10],  # 类0
                   [147, 13],  # 类1
                   [190, 3]])  # 类2


timer = 0
while True:
    # 输入聚类中心；输出新的聚类中心
    new_center = k_mean(center)
    timer += 1
    print("第{}次的聚类结果是{}".format(timer, X["组号"].tolist()))
    # pdb.set_trace()  # 设置一个断点
    # 如果前后两次聚类中心一致，就退出循环
    if (center == new_center).all():
        break
    else:
        # 否则 更新聚类中心
        center = new_center

print("总共经历{}次聚类".format(timer))
print("最终聚类结果\n", X["组号"].tolist())

"""
初始聚类中心的选择
选择的不合适，可能出现的问题
1. 聚类的数目 小于 我们需要的数目
2. 聚类迭代次数增加
"""

import matplotlib.pyplot as plt
plt.rcParams["font.sans-serif"] = "SimHei"
plt.rcParams['axes.unicode_minus'] = False

plt.scatter(X["平均每次消费金额"], X["平均消费周期（天）"], c=X["组号"])
plt.xlabel("平均每次消费金额")
plt.ylabel("平均消费周期（天）")

plt.scatter(new_center[:,0], new_center[:,1], marker='*', s=200, c=[0,1,2])

plt.show()

2、动态展示实现

import pandas as pd
import numpy as np
import pdb  # 断点
import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = "SimHei"
plt.rcParams['axes.unicode_minus'] = False

# 需求：客户分3组，分别是普通会员、VIP、SVIP

df = pd.read_csv("D:\pycharm\pythonProject\k-means算法./company.csv", encoding='ANSI')

# 客户年龄和会员卡关系不大
X = df[["平均每次消费金额", "平均消费周期（天）"]]


def k_mean(center):
    label_list = []  # 用于存储所有样本的类别

    # 2. 将每个样本归属为和其最近的聚类中心
    for sample in X[["平均每次消费金额", "平均消费周期（天）"]].values:  # X.values是二维数组
        # print(sample)
        # 计算该样本到3个聚类中心的距离
        dis = np.sqrt(((center - sample) ** 2).sum(axis=1))

        # 数组最小值所在的索引
        # print(np.argmin(dis))
        label = np.argmin(dis)  # 所属的类别

        label_list.append(label)

    X["组号"] = label_list
    # 计算新的聚类中心
    new_center = X.groupby(by="组号")[["平均每次消费金额", "平均消费周期（天）"]].mean()
    return new_center.values


center = np.array([[317, 10],  # 类0
                   [147, 13],  # 类1
                   [190, 3]])  # 类2


def show_result(timer):
    plt.scatter(X["平均每次消费金额"], X["平均消费周期（天）"], c=X["组号"])
    plt.xlabel("平均每次消费金额")
    plt.ylabel("平均消费周期（天）")
    plt.scatter(new_center[:, 0], new_center[:, 1], marker='*', s=200, c=[0, 1, 2])
    plt.title("第{}次的结果".format(timer))
    # plt.show()
    plt.pause(3)  # 每隔3秒显示一下


# 打开动画开关
plt.ion()

timer = 0
while True:
    # 输入聚类中心；输出新的聚类中心
    new_center = k_mean(center)

    timer += 1
    plt.cla()
    show_result(timer)

    print("第{}次的聚类结果是{}".format(timer, X["组号"].tolist()))
    # pdb.set_trace()  # 设置一个断点
    # 如果前后两次聚类中心一致，就退出循环
    if (center == new_center).all():
        break
    else:
        # 否则 更新聚类中心
        center = new_center

print("总共经历{}次聚类".format(timer))
print("最终聚类结果\n", X["组号"].tolist())

plt.ioff()
plt.show()

3、sklearn实现

初始聚类中心的选择
选择的不合适，可能出现的问题
1、聚类的数目 小于 我们需要的数目
2、 聚类迭代次数增加

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans  # k-means聚类算法的API
from sklearn.preprocessing import StandardScaler  # 标准差标准化
from sklearn.preprocessing import MinMaxScaler  # 离差标准化
from sklearn.preprocessing import MaxAbsScaler  # 小数定标标准化

# 需求：客户分3组，分别是普通会员、VIP、SVIP

df = pd.read_csv("D:\pycharm\pythonProject\k-means算法./company.csv", encoding='ANSI')

# 客户年龄和会员卡关系不大
X = df[["平均每次消费金额", "平均消费周期（天）"]]

min_max_sca = MinMaxScaler()
new_X = min_max_sca.fit_transform(X)


# ---------------------------算法阶段-------------------------------------
# 1. 算法对象实例化
# 参数 n_clusters 即k值
km = KMeans(n_clusters=3, random_state=1)

# 2. 拟合
# 聚类算法 只需要传入 特征 就可以进行拟合
km.fit(new_X)

# 3. 查看聚类结果
y_pred = km.predict(new_X)
print("预测结果", y_pred)

# print(km.predict([[500, 1]]))
#
# print("查看聚类中心\n", km.cluster_centers_)

"""
fit 的过程。计算出最终的聚类中心
predict的过程，就是计算该样本到各个聚类中心的距离，输入距离最小的聚类中心的标签
"""

center = km.cluster_centers_

import matplotlib.pyplot as plt

plt.rcParams["font.sans-serif"] = "SimHei"
plt.rcParams['axes.unicode_minus'] = False

plt.scatter(X["平均每次消费金额"], X["平均消费周期（天）"], c=y_pred)
plt.xlabel("平均每次消费金额")
plt.ylabel("平均消费周期（天）")

# plt.scatter(center[:, 0], center[:, 1], marker='*', s=200, c=[0, 1, 2])

plt.show()

五、sklearn数据标准化

from sklearn.preprocessing import StandardScaler  # 标准差标准化
from sklearn.preprocessing import MinMaxScaler  # 离差标准化
from sklearn.preprocessing import MaxAbsScaler  # 小数定标标准化
import pandas as pd

df = pd.read_csv("D:\pycharm\pythonProject\k-means算法./company.csv", encoding='ANSI')

# 客户年龄和会员卡关系不大
X = df[["平均每次消费金额", "平均消费周期（天）"]].head()

print(X)


min_max_sca = MinMaxScaler()
# X-min / (max-min)
# min_max_sca.fit(X[["平均每次消费金额"]])  # 计算最小值 最大值
#
# out = min_max_sca.transform(X[["平均每次消费金额"]])
# print(out)

# min_max_sca.fit(X)
# X = min_max_sca.transform(X)
# print(X)

X = min_max_sca.fit_transform(X)
print(X)


# sklearn的返回值 大部分情况都是 数组的结构

六、算法特点

1、原理简单，算法易实现
2、当簇和簇之间区别明显时，算法效果较好
3、需要自己预先给定K值
4、初始质心的选择对结果影响很大
5、采用迭代的方法，可能只得到局部最优解，无法得到全局最优解
6、孤立点和含噪声数据对结果的影响挺大

七、算法API

def init(self, n_clusters=8, *, init=‘k-means++’, n_init=10,
max_iter=300, tol=1e-4, precompute_distances=‘deprecated’,
verbose=0, random_state=None, copy_x=True,
n_jobs=‘deprecated’, algorithm=‘auto’):

n_clusters：聚类中心
max_iter：执行一次k-means算法所进行的最大迭代数
n_init：用不同的质心初始化值运行算法的次数，最终解是在inertia意义下选出的最优结果。
init：指定初始化方法，默认值为 ‘k-means++’
三个可选值：’k-means++’， ‘random’，或者传递一个ndarray向量。

precompute_distances：预计算距离，计算速度更快但占用更多内存
三个可选值，‘auto’，True 或者 False。

tol：默认值= 1e-4　与inertia结合来确定收敛条件。
n_jobs：指定计算所用的进程数
random_state：用于初始化质心的生成器（generator）

八、算法评估

在这里插入图片描述在这里插入图片描述在这里插入图片描述
轮廓系数范围[-1,1]

import pandas as pd
from sklearn.preprocessing import StandardScaler  # 标准差标准化
from sklearn.preprocessing import MinMaxScaler
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
from sklearn.metrics import silhouette_score  # 轮廓系数

plt.rcParams["font.sans-serif"] = "SimHei"
plt.rcParams['axes.unicode_minus'] = False

air = pd.read_csv("D:\pycharm\pythonProject\k-means算法./air_data.csv", encoding="ANSI")
#print(air.columns)

# 一、数据清洗

# 指定如果两个任意一个存在空值，删除该行
air.dropna(axis=0, how='any', inplace=True)
# 如果两年的票价都是0，删除该行
air["票价"] = air["SUM_YR_1"] + air["SUM_YR_2"]
con1 = air["票价"] <= 0
con2 = air["avg_discount"] <= 0
con3 = air["SEG_KM_SUM"] <= 0
# 票价 飞行历程、折扣 任意一个小于等于0 删除该行
con = con1 | con2 | con3
drop_index = air.loc[con, :].index  # 获取要删除的索引名字
air.drop(index=drop_index, inplace=True)

# 二、构建LRFMC特征
air["LOAD_TIME"] = pd.to_datetime(air["LOAD_TIME"])
air["FFP_DATE"] = pd.to_datetime(air["FFP_DATE"])

L = (air["LOAD_TIME"] - air["FFP_DATE"]) / pd.Timedelta(days=30)

X = air[["LAST_TO_END", "FLIGHT_COUNT", "SEG_KM_SUM", "avg_discount"]]
X.columns = ["R", "F", "M", "C"]
X.insert(loc=0, column="L", value=L)

# 三、进行聚类
# 基于5个关键特征 进行客户 分组  分4组

std_sca = MinMaxScaler()
X = std_sca.fit_transform(X)
print("标准化后\n", X)

# ---------------------------算法阶段-------------------------------------
# 1. 算法对象实例化
# 参数 n_clusters 即k值
km = KMeans(n_clusters=4, random_state=1)

# 2. 拟合
# 聚类算法 只需要传入 特征 就可以进行拟合
km.fit(X)

# 3. 预测结果
y_pred = km.predict(X)
# print("预测结果", y_pred)

# 4. 效果评估
# 得分：所有样本到各自聚类中心的距离 的和
# 得分越靠近0 聚类效果是最好的（-inf, 0]
score = km.score(X)
print("聚类算法评估结果", score)


sil_score = silhouette_score(X, y_pred)
print("轮库系数的得分", sil_score)

如何选择最优的K值

设置一些列K值
测试不同K值对应的score、轮廓系数； 选择评估结果最好的k值

带你飞(｀⌒´メ)
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
k均值聚类python实现
10-18
k-means(k均值)算法的python代码实现，可以显示聚类效果与聚类的迭代次数，初学者使用更方便。
python实现K_mean算法
Yu_Dian_18的博客
01-12 942
# encoding: utf-8 ''' #!/usr/bin/env python @author: yudian @contact: hhuyudian@163.com @file: k_means.py @time: 2018/12/25 0:16 @desc: JUST WAITING!!! 程序功能：动态演示K_mean聚类过程。 可调参数： k(全局变量)：...
K-means算法（python）
qq_43608549的博客
08-12 565
K-means算法（python人工智能入门算法） K-means算法简介： K-means算法是输入k个聚类个数，以及包含 n个数据对象的数据库（本篇采用的是随机数作为数据样本），输出满足方差最小标准k个聚类的一种算法。k-means 算法接受输入量 k ；然后将n个数据对象划分为 k个聚类以便使获得的聚类满足：同一聚类中的对象相似度较高；而不同聚类中的对象相似度较小的特点。聚类相似度是利用各聚...
python实现kmean算法
qq_43524212的博客
03-12 3585
利用python实现kmean算法，使用鸢尾花数据集分别演示了直接定义k和穷举k下，数据的聚类效果和聚类评价指标SP、CP和轮廓系数的情况。
pythonk均值实现_Python实现k-means算法
weixin_39938875的博客
12-10 205
本文实例为大家分享了Python实现k-means算法的具体代码，供大家参考，具体内容如下这也是周志华《机器学习》的习题9.4。数据集是西瓜数据集4.0，如下编号,密度,含糖率1,0.697,0.462,0.774,0.3763,0.634,0.2644,0.608,0.3185,0.556,0.2156,0.403,0.2377,0.481,0.1498,0.437,0.2119,0.666,0...
python_pcl-0.3.1-cp36-cp36m-win_amd64.whl
08-02
python_pcl-0.3.1-cp36-cp36m-win_amd64.whl
opencv_python-4.10.0.82-cp37-abi3-win_amd64.whl
06-08
该资源为opencv_python-4.10.0.82-cp37-abi3-win_amd64.whl，欢迎下载使用哦！
opencv_python-4.10.0.82-cp37-abi3-manylinux_2_17_x86_64.whl
最新发布
06-08
该资源为opencv_python-4.10.0.82-cp37-abi3-manylinux_2_17_x86_64.manylinux2014_x86_64.whl，欢迎下载使用哦！
Day16-30_Day16-30_python_
10-03
python100天的第16-30天，初学者友好
opencv_python-4.10.0.82-cp37-abi3-manylinux_2_17_aarch64.whl
06-08
该资源为opencv_python-4.10.0.82-cp37-abi3-manylinux_2_17_aarch64.manylinux2014_aarch64.whl，欢迎下载使用哦！
K-mean算法Python实现以及总结
公众号：风景邮递Yuan的博客
03-23 1460
一、算法原理 K-mean算法属于无监视算法，就是我们不标定，让计算机自己将数据进行分类，具体算法流程我结合代码来讲解 K-mean算法 1、列数据 2、通过计算后将数据进行比较分类 3、各个类别进行计算得出各个相应的中心点 4、判断中心点是否相同，若得出不同值则继续算 5、画图 import matplotlib.pyplot as plt import numpy as np #1、先列出一列数组 y=np.array([[2,3],[2,2],[3,4],[1,2],[9,8],[8,8],[8,7]
kmean聚类python实现
qq_44099721的博客
09-28 803
在这里插import pandas as pd import numpy as np import xlrd # 导入数据 df2 = pd.read_excel("test2.xlsx") data = np.array(df2) # 去掉前两列 data = data[:, 2:] # 分为k类 k = 3 # 临近均值E E = 0.00001 # 获得行数和列数 (row, line) =...
python3对k-mean算法的理解（转）
yuxj的博客
10-30 768
转载：https://blog.csdn.net/zuoyonggang123/article/details/79879557   多谢     1.随机选取k个质心（k值取决于你想聚成几类）    random.sample(dataSet, k)  k你是想聚类的个数 dataset是数据集合 是数组    2.dataSet 取出一条数据 然后分别与centroidList中的k的...
聚类sklearn实践
every place is the center of the universe
12-05 570
电商销量预测有两个大致的方向： 一个是因果推断，从机理出发，基于电商消费行为对销量的刻画，重在对市场营销进行指导，多采用基于概率的方法，虽然精度较差，但是可解释性强； 另一个是数据驱动法，也即从数据角度，利用机器学习、深度学习等，主要是与销量，从海量的历史数据和相关数据中发掘信息，随着数据采集、存储难度下降，大规模计算变得越来越容易，通过模型来解决上述问题变得越来越多样，本文将聚焦于当前研究和应用算法，利用R/python来实现。 ...
Python 机器学习8：sklearn 聚类算法
Amzmks的博客
07-23 1963
1. K-Means算法是一种广泛使用的聚类算法。 from sklearn.cluster import KMeans K-Means是聚焦于相似的无监督的算法，以距离作为数据对象间相似性度量的标准，即数据对象间的距离越小，则它们的相似性越高，则它们越有可能在同一个类。K值指的是把数据划分成多少个类别。 算法步骤：随机设置K个特征空间内的点作为初始的聚类中心。对于其他每个点计算到K个中心的距离，未知的点选择最近的一个聚类中心点作为标记类别。接着，对着标记的聚类中心之后，重新计算出每个聚类的新中心
【机器学习】3-5-1 K均值聚类
heroybc的博客
12-13 276
#3-5-1K均值聚类 import mglearn import numpy as np import matplotlib.pyplot as plt import pandas as pd from sklearn.cluster import KMeans from sklearn.datasets import load_breast_cancer from sklearn.datase...
python——k-means聚类算法
lili_wuwu的博客
06-10 4245
k-means聚类算法 k-means算法属于无监督学习的一种聚类算法，其目的为：在不知数据所属类别及类别数量的前提下，依据数据自身所暗含的特点对数据进行聚类。对于聚类过程中类别数量k的选取，需要一定的先验知识，也可根据“类内间距小，类间间距大“（一种聚类算法的理想情况）为目标进行实现。 需要用到sklearn库，scikit-learn是Python的一个开源机器学习模块，它建立在NumPy，S...
python 调用sklearn.cluster.KMeans聚类
ynzzxc的博客
06-23 3174
代码： import matplotlib.pyplot as plt import numpy as np import pandas as pd from sklearn.cluster import KMeans filePath = 'F:/kdata.csv' data_csv = pd.read_csv(filePath) x = np.array(data_csv)[:,1:] t = list(data_csv.iloc[0:0])[1:] #获取列标题 np.set_printop
机器学习实战-聚类分析KMEANS算法-25
gemoumou的python学习实记
02-20 600
KMEANS算法-NBA球队实力聚类分析 from sklearn.cluster import KMeans import numpy as np import matplotlib.pyplot as plt import pandas as pd from sklearn.preprocessing import MinMaxScaler data = pd.read_csv('nba.csv') data.head() minmax_scaler = MinMaxScaler() # 标准化
保留原本功能优化以下代码import pandas as pd import numpy as np import matplotlib.pyplot as plt # 1.读取并查看数据 bike_day = pd.read_csv("C:/Users/15020/Desktop/26.bike_day.csv") print(bike_day.head(5)) # 前5行 print(bike_day.tail(2)) #后2行 #2.处理数据并导出到文件 bike_day_user = bike_day[['instant','dteday','yr', 'casual', 'registered']].dropna() bike_day_user.to_csv('bike_day_user.txt', sep=' ',index=False, header=False) #3.读取数据并添加新列并导出到新文件 bike_day_user = pd.read_csv('bike_day_user.txt', sep=' ', header=None, names=['instant','dteday','yr', 'casual',"registered"]) bike_day_user['cnt'] = bike_day_user['casual'] + bike_day_user['registered'] bike_day_user.to_excel('bike_day_user_cnt.xlsx', index=False) #4.读取数据并进行统计 bike_day_user_cnt = pd.read_excel('bike_day_user_cnt.xlsx') print('cnt最大值:',bike_day_user_cnt['cnt'].max()) print('ent最小值:',bike_day_user_cnt['cnt'].min()) print('2011号cnt年平均值:',bike_day_user_cnt[bike_day_user_cnt['yr'] == 0]['cnt'].mean()) print('2012年cnt年平均值:',bike_day_user_cnt[bike_day_user_cnt['yr'] == 1]['cnt'].mean()) print('2011年月严始值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 0].groupby('mnth')['cnt'].mean()) print('2022年月平均值:', bike_day_user_cnt[bike_day_user_cnt['yr'] == 1].groupby('mnth')['cnt'].mean()) # 5.可视化并保存图像 fig, ax = plt.subplots() ax.barh(bike_day_user_cnt['mnth'], bike_day_user_cnt[bike_day_user_cnt['yr'] == 0].groupby('mnth')['cnt'].mean(), color='blue', label='2011') ax.barh(bike_day_user_cnt['mnth'], bike_day_user_cnt[bike_day_user_cnt['yr'] == 1].groupby('mnth')['cnt'].mean(), color='lightblue', label='2012') ax.set_yticks(np.arange(1,13)) ax.set_yticklabels(['Jan','Feb','Mar', 'Apr', 'May','Jun','Jul','Aug', 'sep', 'Oct','Nov','Dec']) ax.set_xlabel('Average number of shared bike users') ax.set_title('Monthly Average Number of Shared Bike Users in 2011-2012') ax.legend() fig.savefig('bike_day_user_cnt.png', dpi=300)
06-03
好的，我会保留原本功能并优化代码。以下是优化后的代码： ```python import pandas as pd import numpy as np import matplotlib.pyplot as plt # 1.读取并查看数据 bike_day = pd.read_csv("C:/Users/15020/Desktop/26.bike_day.csv") print(bike_day.head()) print(bike_day.tail(2)) # 2.处理数据并导出到文件 bike_day_user = bike_day[['instant', 'dteday', 'yr', 'casual', 'registered']].dropna() bike_day_user.to_csv('bike_day_user.txt', sep=' ', index=False, header=False) # 3.读取数据并添加新列并导出到新文件 bike_day_user = pd.read_csv('bike_day_user.txt', sep=' ', header=None, names=['instant', 'dteday', 'yr', 'casual', 'registered']) bike_day_user['cnt'] = bike_day_user['casual'] + bike_day_user['registered'] bike_day_user.to_excel('bike_day_user_cnt.xlsx', index=False) # 4.读取数据并进行统计 bike_day_user_cnt = pd.read_excel('bike_day_user_cnt.xlsx') cnt_max = bike_day_user_cnt['cnt'].max() cnt_min = bike_day_user_cnt['cnt'].min() cnt_mean_2011 = bike_day_user_cnt[bike_day_user_cnt['yr'] == 0]['cnt'].mean() cnt_mean_2012 = bike_day_user_cnt[bike_day_user_cnt['yr'] == 1]['cnt'].mean() cnt_mean_mnth_2011 = bike_day_user_cnt[bike_day_user_cnt['yr'] == 0].groupby('mnth')['cnt'].mean() cnt_mean_mnth_2012 = bike_day_user_cnt[bike_day_user_cnt['yr'] == 1].groupby('mnth')['cnt'].mean() print(f'cnt最大值: {cnt_max}') print(f'cnt最小值: {cnt_min}') print(f'2011号cnt年平均值: {cnt_mean_2011}') print(f'2012年cnt年平均值: {cnt_mean_2012}') print(f'2011年月严始值: {cnt_mean_mnth_2011}') print(f'2012年月平均值: {cnt_mean_mnth_2012}') # 5.可视化并保存图像 fig, ax = plt.subplots() ax.barh(bike_day_user_cnt['mnth'], cnt_mean_mnth_2011, color='blue', label='2011') ax.barh(bike_day_user_cnt['mnth'], cnt_mean_mnth_2012, color='lightblue', label='2012') ax.set_yticks(np.arange(1, 13)) ax.set_yticklabels(['Jan', 'Feb', 'Mar', 'Apr', 'May', 'Jun', 'Jul', 'Aug', 'Sep', 'Oct', 'Nov', 'Dec']) ax.set_xlabel('Average number of shared bike users') ax.set_title('Monthly Average Number of Shared Bike Users in 2011-2012') ax.legend() fig.savefig('bike_day_user_cnt.png', dpi=300) ``` 我做了以下几点优化： 1. 使用 f-string 格式化输出字符串，让代码更加简洁易读。 2. 将统计结果赋值给变量，方便后续使用。 3. 在可视化时，直接使用已经统计好的月份平均值，避免了重复计算。

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值