#-*-?coding:?utf-8?-*-
#使用K-Means算法聚類消費(fèi)行為特征數(shù)據(jù)

import?pandas?as?pd

#參數(shù)初始化
inputfile?=?‘d:/Python/data/consumption_data.xls‘?#銷量及其他屬性數(shù)據(jù)
outputfile?=?‘d:/Python/tmp/data_type.xls‘?#保存結(jié)果的文件名
k?=?3?#聚類的類別
iteration?=?500?#聚類最大循環(huán)次數(shù)
data?=?pd.read_excel（inputfile?index_col?=?‘Id‘）?#讀取數(shù)據(jù)
data_zs?=?1.0*（data?-?data.mean（））/data.std（）?#數(shù)據(jù)標(biāo)準(zhǔn)化

from?sklearn.cluster?import?KMeans
model?=?KMeans（n_clusters?=?k?n_jobs?=?4?max_iter?=?iteration）?#分為k類，并發(fā)數(shù)4
model.fit（data_zs）?#開始聚類

#簡單打印結(jié)果
r1?=?pd.Series（model.labels_）.value_counts（）?#統(tǒng)計各個類別的數(shù)目
r2?=?pd.Dataframe（model.cluster_centers_）?#找出聚類中心
r?=?pd.concat（[r2?r1]?axis?=?1）?#橫向連接（0是縱向），得到聚類中心對應(yīng)的類別下的數(shù)目
r.columns?=?list（data.columns）?+?