利用python进行k-均值聚类分析

这一分析方法会用到的库有——pandas、sklearn

部分原始数据如图所示：

首先我们需要导入所需用到的库：

import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans

其次我们需要将数据进行获取及标准化处理：

Data=pd.read_excel("高等教育发展数据.xlsx")
X=Data.iloc[:,1:]
scaler=StandardScaler()
scaler.fit(X)
X=scaler.transform(X)

紧接着我们会得到标准化处理之后的数据如下所示：

现在正式进行k-means聚类分析：

1、导入k-means聚类模块：

from sklearn.cluster import KMeans

2、利用KMeans创建K-均值聚类对象：

model=KMeans(n_clusters=4,random_state=0,max_iter=500)

 设置的参数有如下的说明：

n_clusters:设置的聚类个数
random_state:随机初始状态，设置为0即可
max_iter:最大迭代次数

3、调用model对象中的fit（）方法进行拟合训练

model.fit(X)

4、调用modle对象中的labels_属性，可以返回其聚类的标签

c=model.labels_

完整代码如下所示：

import pandas as pd
from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
#先对数据进行规范化处理
Data=pd.read_excel("高等教育发展数据.xlsx")
X=Data.iloc[:,1:]
scaler=StandardScaler()
scaler.fit(X)
X=scaler.transform(X)
model=KMeans(n_clusters=4,random_state=0,max_iter=500)
model.fit(X)
c=model.labels_
Fs=pd.Series(c,index=Data['地区'])
print(Fs)
Fs=Fs.sort_values(ascending=True)

得到的结果各位自行运行吧！！！