使用 K-Means 进行客户分群分析

使用 K-Means 进行客户分群分析

本文将详细介绍如何使用 K-Means 聚类算法对客户的购买行为进行分群分析。我们会从数据清理和特征工程开始，到 K-Means 聚类的应用，最后进行结果的分析和商业洞察。使用的数据集为 Online Retail 数据集，包含了一家在线零售商的交易数据。

数据集概述

Online Retail 数据集包含了详细的交易信息，字段包括：

• InvoiceNo: 每笔交易的唯一发票编号。如果发票编号以 “C” 开头，则表示该交易为退货记录。
• StockCode: 唯一标识每种产品的代码。
• Description: 产品的描述信息。
• Quantity: 每笔交易中购买的产品数量。
• InvoiceDate: 交易的日期和时间。
• UnitPrice: 单价（英镑）。
• CustomerID: 客户的唯一标识符。
• Country: 客户所在国家。

数据清理与预处理

为了确保数据的准确性和完整性，首先对数据进行了必要的清理和预处理，具体步骤如下：

1. 去除缺失的 CustomerID 数据: 数据集中有些交易记录缺少客户编号，这些记录无法关联到具体的客户，因此需要删除。
2. 删除退货订单及交易金额小于 0 的记录: 退货订单通过 InvoiceNo 以 “C” 开头进行识别，因为这些记录不反映正常的购买行为，所以删除。同时删除交易金额小于 0 的异常记录。
3. 计算总消费金额 (TotalPrice): 新增 TotalPrice 列，用于表示每笔交易的总金额，计算方式为 Quantity * UnitPrice。

以下是数据清理的代码实现：

import pandas as pd

# 读取数据集
file_path = 'Online Retail.xlsx'
data = pd.read_excel(file_path)

# 数据清理
# 去除缺失的 CustomerID 行
data_cleaned = data.dropna(subset=['CustomerID'])

# 将 InvoiceNo 转为字符串类型
data_cleaned['InvoiceNo'] = data_cleaned['InvoiceNo'].astype(str)

# 删除退货订单及交易金额小于 0 的记录
data_cleaned = data_cleaned[~data_cleaned['InvoiceNo'].str.startswith('C')]
data_cleaned = data_cleaned[data_cleaned['Quantity'] > 0]
data_cleaned = data_cleaned[data_cleaned['UnitPrice'] > 0]

# 计算总消费金额
data_cleaned['TotalPrice'] = data_cleaned['Quantity'] * data_cleaned['UnitPrice']

特征工程

在数据清理完成后，我们进行了特征工程，提取了一些反映客户购买行为的特征，这些特征用于后续的聚类分析，包括：

• TotalQuantity: 客户的总购买数量。
• TotalPrice: 客户的总消费金额。
• MaxQuantity: 客户单次购买的最大数量。
• MaxPrice: 客户购买的最高单价。
• AvgQuantity: 客户的平均购买数量。
• AvgPrice: 客户的平均购买价格。

以下是特征提取的代码：

# 特征工程
customer_data = data_cleaned.groupby('CustomerID').agg(
    TotalQuantity=('Quantity', 'sum'),
    TotalPrice=('TotalPrice',