import?numpy?as?np
import?pandas?as?pd
import?matplotlib.pyplot?as?plt

from?sklearn.cluster?import?KMeans?#導(dǎo)入kmeans算法
airline_scale?=?np.load（‘a(chǎn)irline_scale.npz‘）[‘a(chǎn)rr_0‘]
k?=?5?##?確定聚類中心數(shù)
#構(gòu)建模型
kmeans_model?=?KMeans（n_clusters?=?k）
fit_kmeans?=?kmeans_model.fit（airline_scale）???#模型訓(xùn)練

#kmeans_model.cluster_centers_?#查看聚類中心
#kmeans_model.labels_?#查看樣本的類別標(biāo)簽
print（‘樣本的類別標(biāo)簽：‘kmeans_model.labels_）
print（‘樣本的類別標(biāo)簽類型：‘type（kmeans_model.labels_））
#統(tǒng)計不同類別樣本的數(shù)目

#易錯：只用pandas中Series類型才有value_counts（）屬性
r1?=?pd.Series（kmeans_model.labels_）.value_counts（）
print（‘最終每個類別的數(shù)目為：\n‘r1）

##做可視化：
plt.figure（figsize=（66））
L=5
angles?=?np.linspace（0?2*np.pi?L?endpoint=False）
labels?=?[‘L‘?‘F‘?‘R‘?‘C‘?‘M‘]
data?=?kmeans_model.cluster_centers_
##閉合曲線：
print（data）
angles?=?np.concatenate（（angles?[angles[0]]））
#為了形成閉合，把二維數(shù)組每一行下標(biāo)為0的數(shù)拼接到列
#?二維數(shù)組與二維數(shù)組拼接，
#所以reshape成二維的，且變成五列一行
data?=?np.concatenate（（data?data[:0].reshape（51））axis=1）.T
#?print（‘a(chǎn)ngles‘a(chǎn)ngles）
print（‘data‘data）
##繪圖：
plt.polar（angles?data）
plt.xticks（angles?labels）
plt.show（）

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----

?????文件???????1385??2019-05-30?20:57??航空公司客戶價值分析\airline_k_means.py

?????文件????2481956??2019-05-29?15:13??航空公司客戶價值分析\airline_scale.npz

?????文件???13919328??2019-05-30?19:04??航空公司客戶價值分析\air_data.csv

?????文件???????2113??2019-05-30?19:20??航空公司客戶價值分析\air_line.py

?????文件?????412672??2019-05-29?17:06??航空公司客戶價值分析\航空公司客戶價值分析.doc

?????目錄??????????0??2019-05-30?21:16??航空公司客戶價值分析

-----------?---------??----------?-----??----

?????????????16817454????????????????????6