2024 长三角高校数学建模竞赛（C题）数学建模完整思路+完整代码全解全析

作为经验丰富的数学建模团队，我们将为你带来2024长三角高校数学建模竞赛（C题）的全面解析。这个解决方案包不仅包括完整的代码实现，还有详尽的建模过程和解析，帮助你全面理解并掌握如何解决类似问题

长三角（ABC题）完整内容可以在文章末尾领取！。

层次聚类的方法有很多种，常用的有凝聚层次聚类和分裂层次聚类。凝聚层次聚类从每个配件作为一个簇开始，然后逐步合并相似的簇，直到所有的配件都合并为一个簇；分裂层次聚类从所有的配件作为一个簇开始，然后逐步将簇分裂为更小的簇，直到每个配件都成为一个簇。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from statsmodels.tsa.seasonal import seasonal_decompose
from statsmodels.tsa.stattools import adfuller
from statsmodels.graphics.tsaplots import plot_acf, plot_pacf
from statsmodels.tsa.arima_model import ARIMA
from sklearn.cluster import KMeans

# 读取历史配件订单表
df = pd.read_csv('历史配件订单表.csv')

# 将日期列转换为datetime类型
df['日期'] = pd.to_datetime(df['日期'])

# 将数据按照配件编码和日期进行分组，并计算每日需求量
df = df.groupby(['配件编码', '日期'])['需求量'].sum().reset_index()

# 将数据按照配件编码进行分组，并计算每日平均需求量
df_mean = df.groupby('配件编码')['需求量'].mean().reset_index()

# 将每日平均需求量作为特征，进行聚类分析
~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~

# 将聚类结果添加到原始数据中
df_mean['类别'] = kmeans.labels_

# 将数据按照配件编码和类别进行分组，并计算每日平均需求量
df_mean = df_mean.groupby(['配件编码', '类别'])['需求量'].mean().reset_index()

# 将每日平均需求量作为特征，进行聚类分析
kmeans = KMeans(n_clusters=3, random_state=0).fit(df_mean[['需求量']])

# 将聚类结果添加到原始数据中
df_mean['类别'] = kmeans.labels_

# 将数据按照配件编码和类别进行分组，并计算每日平均需求量
df_mean = df_mean.groupby(['配件编码', '类别'])['需求量'].mean().reset_index()

# 输出分类结果
print(df_mean)

# 根据分类结果，对每一类的特征进行分析
~~~~

更多内容具体可以看看我的主页！
和 《小天数模》 团队，同名公众号 一起拿奖！里面包含本次竞赛全部思路与分析！