划分亚洲国家的三个足球梯队

数据描述：
id ：国家对应id
国家：国家名称
2019年国际排名：2019 年国际足联的世界排名。
2018年世界杯：2018 年世界杯中，很多球队没有进入到决赛圈，所以只有进入到决赛圈的球队才有实际的排名。如果是亚洲区预选赛 12 强的球队，排名会设置为 40。如果没有进入亚洲区预选赛 12 强，球队排名会设置为 50。
2015年亚洲杯：真是排名。

1、获取数据：使用pandas读取数据

2、数据处理：归一化数据

3、模型训练：利用sklearn中的K-Means算法实现聚类，K=3

4、模型可视化：利用matplotlib包中的方法画出三维图，并按照预测类别的不同，使用不同的颜色表示。

代码如下：

import pandas as pd
data = pd.read_csv(r"D:/pyCharm/asina_football_data.csv")
print(data.head())
train_x = data[[‘2019年国际排名’, ‘2018年世界杯’, ‘2015年亚洲杯’]]
df = pd.DataFrame(train_x)

from sklearn import preprocessing
min_max_scaler=preprocessing.MinMaxScaler()
train_x=min_max_scaler.fit_transform(train_x)

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=3)
kmeans.fit(train_x)
predict_y = kmeans.predict(train_x)
result = pd.concat((data,pd.DataFrame(predict_y)),axis=1)
result.rename({0:u’梯队编号’},axis=1,inplace=True)
#print(result.head())
print("----------------------------------------------------")
tx = result[[‘国家’,‘梯队编号’]]
print(tx.head())

from mpl_toolkits.mplot3d import Axes3D
import matplotlib.pyplot as plt
import matplotlib
font = {‘family’: ‘MicroSoft Yahei’,
‘weight’: ‘bold’,
‘size’: 10}
matplotlib.rc(“font”, **font)
xs = data.iloc[:,2]
ys = data.iloc[:,3]
zs = data.iloc[:,4]
fig = plt.figure()
ax=Axes3D(fig)
name = data.iloc[:,1]
for label,x,y,z in zip(name,xs,ys,zs):
ax.scatter(x,y,z)
ax.text(x, y, z, label)
cValue = [‘r’,‘y’,‘g’,‘b’,‘r’,‘y’,‘g’,‘b’,‘r’]
ax.set_xlabel(‘2019年国际排名’)
ax.set_ylabel(‘2018年世界杯’)
ax.set_zlabel(‘2015年亚洲杯’)
plt.show()