数据挖掘分析的一点进步分享

1. import pandas as pd
2. import matplotlib.pyplot as plt
3. import numpy as np
5. data = pd.read_csv('heros.csv',encoding="gbk")
6. data.head()

复制代码

导入数据集  进行分析

1. df_data=data.copy()
2. df_data.describe()

复制代码

1. df_data.info()

复制代码

1. df_data.drop('英雄',axis=1,inplace=True)
2. df_data['最大攻速']=df_data['最大攻速'].apply(lambda str: str.replace('%',''))
3. from sklearn import preprocessing
5. for feature in ['初始法力','最高物攻']:
6.     le = preprocessing.LabelEncoder()
7.     le.fit(df_data[feature])
8.     df_data[feature] = le.transform(df_data[feature])
9. features = df_data.columns.values.tolist()
10. import seaborn as sns
12. sns.heatmap(df_data[features].corr(),linewidths=0.1, vmax=1.0, square=True,
13.             cmap=sns.color_palette('RdBu', n_colors=256),
14.             linecolor='white', annot=True)
15. plt.title('the feature of corr')
16. plt.show()

复制代码

这里的代码其实还有一点不敷 需要进行优化  这里给同砚们进步的空间进行改成（提示：需要看看前面倒库有没有详细化）

1. df_data=df_data[features]
2. df_data.head()

复制代码

1. from sklearn.preprocessing import StandardScaler
2. stas = StandardScaler()
3. df_data = stas.fit_transform(df_data)
4. df_data

复制代码

1. from sklearn.cluster import KMeans #导入kmeans算法库
2. n_clusters=3  #设置聚类结果的类簇
3. kmean = KMeans(n_clusters) #设定算法为KMeans算法
4. df_data_kmeans=df_data.copy()
5. kmean.fit(df_data_kmeans)  #进行聚类算法训练
6. KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=300,
7.        n_clusters=3, n_init=10, n_jobs=None, precompute_distances='auto',
8.        random_state=None, tol=0.0001, verbose=0)
9. labels = kmean.labels_  #输出每一样本的聚类的类簇标签
10. centers = kmean.cluster_centers_  #输出聚类的类簇中心点
11. print ('各类簇标签值：', labels)
12. print ('各类簇中心：', centers)

复制代码

1. from scipy.spatial.distance import cdist
2. import numpy as np
3. #类簇的数量2到9
4. clusters = range(2, 10)
5. #距离函数
6. distances_sum = []
8. for k in clusters:
9.     kmeans_model = KMeans(n_clusters = k).fit(df_data_kmeans) #对不同取值k进行训练
10.     #计算各对象离各类簇中心的欧氏距离，生成距离表
11.     distances_point = cdist(df_data_kmeans, kmeans_model.cluster_centers_, 'euclidean')
12.     #提取每个对象到其类簇中心的距离（该距离最短，所以用min函数），并相加。
13.     distances_cluster = sum(np.min(distances_point,axis=1))
14.     #依次存入range(2, 10)的距离结果
15.     distances_sum.append(distances_cluster)  
16. plt.plot(clusters, distances_sum, 'bx-')  #画出不同聚类结果下的距离总和
17. # 设置坐标轴的label
18. plt.xlabel('k')  
19. plt.ylabel('distances')
20. plt.show()

复制代码

1. from sklearn.cluster import KMeans #导入kmeans算法库
2. n_clusters=5  #设置聚类结果的类簇
3. kmean = KMeans(n_clusters) #设定算法为KMeans算法
4. df_data_kmeans=df_data.copy()
5. kmean.fit(df_data_kmeans)  #进行聚类算法训练
6. labels = kmean.labels_  #输出每一样本的聚类的类簇标签
7. centers = kmean.cluster_centers_  #输出聚类的类簇中心点
8. print ('各类簇标签值：', labels)
9. print ('各类簇中心：', centers)

复制代码

1. kmeans_result=data.copy()
2. #将分组结果输出到原始数据集中
3. kmeans_result.insert(0,'分组',labels)
5. kmeans_result

复制代码

1. """根据轮廓系数计算模型得分"""
2. from sklearn.metrics import silhouette_score
3. score=silhouette_score(df_data_kmeans,labels,metric='euclidean')
4. score
5. 0.2939377309323035
6. from sklearn import metrics
7. y_pred=kmean.predict(df_data_kmeans)
8. metrics.calinski_harabasz_score(df_data_kmeans,y_pred)
9. 26.680175815073525
10. from sklearn.cluster import AgglomerativeClustering #导入凝聚型算法库
11. n_clusters=5  #设置聚类结果的类簇
13. #设定算法为AGNES算法，距离度量为最小距离
14. ward = AgglomerativeClustering(n_clusters, linkage='ward')
15. df_data_ward=df_data.copy()
16. ward.fit(df_data_ward)  #进行聚类算法训练

复制代码

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。