这是python数据分析案例系列的第二篇，主要是聚类分析，实现起来较为简单。后续还会继续更新，欢迎关注交流！
在处理实际的数据分析案例时，我们面临的往往是比较复杂的研究对象，如果能把相似的样品（或指标）归成类，处理起来大为方便。
聚类分析目的就是把相似的研究对象归成类
先贴上总结的聚类分析基本步骤：
算法过程如下：
1）从N个文档随机选取K个文档作为质心
2）对剩余的每个文档测量其到每个质心的距离，并把它归到最近的质心的类
3）重新计算已经得到的各个类的质心
4）迭代2～3步直至新的质心与原质心相等或小于指定阈值，算法结束
工作原理
K-MEANS算法
输入：聚类个数k，以及包含 n个数据对象的数据库。
输出：满足方差最小标准的k个聚类。
存在问题
K是事先给定的，这个K值的选定是非常难以估计的。很多时候，事先并不知道给定的数据集应该分成多少个类别才最合适。（有的算法是通过类的自动合并和分裂，得到较为合理的类型数目 K，例如 ISODATA 算法。）
在 K-means 算法中，首先需要根据初始聚类中心来确定一个初始划分，然后对初始划分进行优化。说明初始聚类中心的选择对聚类结果有较大的影响，一旦初始值选择的不好，可能无法得到有效的聚类结果。（对于该问题的解决，许多算法采用遗传算法进行初始化，以内部聚类准则作为评价指标。）
从 K-means 算法框架可以看出，该算法需要不断地进行样本分类调整，不断地计算调整后的新的聚类中心，因此当数据量非常大时，算法的时间开销是非常大的。
分析案例
背景
-不同商圈的分时段客流量
目标
-通过不同商圈的分时段客流量数据，挖掘出不同类别的商圈
-分析不同类别商圈的特点
算法的Python实现
数据获取与整理
对数据进行基本分析，查看数据的基本情况
对样本数据进行预处理
构建样本集
构建客流量聚类模型
可视化结果
Python代码如下
# -*- coding: utf-8 -*-
#读取数据
import pandas as pd
data=pd.read_excel(u'd:/data/example02/sample.xls',index_col=u'站点编号')
data.head()
#数据预处理
data = (data - data.min())/(data.max() - data.min()) #离差标准化
data=data.fillna(0) #处理na值
data.to_excel('d:/data/example02/standata.xls',index=True) #保存结果
####模型构建####
##系谱图绘制
import matplotlib.pyplot as plt
from scipy.cluster.hierarchy import linkage,dendrogram
#这里使用scipy的层次聚类函数
Z = linkage(data, method = 'ward', metric = 'euclidean') #谱系聚类图
P = dendrogram(Z, 0) #画谱系聚类图
plt.show()
##层次聚类算法
#参数初始化
k = 3 #聚类数
#模型构建
from sklearn.cluster import AgglomerativeClustering #导入sklearn的层次聚类函数
model = AgglomerativeClustering(n_clusters = k, linkage = 'ward')
model.fit(data) #训练模型
#详细输出原始数据及其类别
r = pd.concat([data, pd.Series(model.labels_, index = data.index)], axis = 1) #详细输出每个样本对应的类别
r.columns = list(data.columns) + [u'聚类类别'] #重命名表头
import matplotlib.pyplot as plt
style = ['', '', '']
xlabels = [u'非上下班时段日均客流量', u'上下班时段日均客流量', u'周末日均客流量时间',
u'工作日日均客流量']
pic_output = 'd:/data/example02/type_' #聚类图文件名前缀
for i in range(k): #逐一作图，作出不同样式
plt.figure()
tmp = r[r[u'聚类类别'] == i].iloc[:,:4] #提取每一类
for j in range(len(tmp)):
plt.plot(range(1, 5), tmp.iloc[j], style[i])
plt.xticks(range(1, 5), xlabels, rotation = 20,fontproperties='SimHei') #坐标标签
plt.title(u'商圈类别%s' %(i+1),fontproperties='SimHei') #我们计数习惯从1开始
plt.subplots_adjust(bottom=0.15) #调整底部
plt.savefig(u'%s%s.png' %(pic_output, i+1)) #保存图片
聚类结果如下
素材链接：http://pan.baidu.com/s/1jIp6FP0 密码：0d58
欢迎关注交流
