关注上方“Python数据科学”，选择星标，

关键时间，第一时间送达！

☞500g+超全学习资源免费领取

二、数据介绍

三、导入库，加载数据

四、数据审查

五、数据处理

六、建立模型

轮廓系数确定最佳的K值，确定数据分为几类较为合理，开篇技术介绍有轮廓系数的介绍了，聚类效果的评价，之前文章有介绍过聚类数和簇内均方误差绘图出现拐点的时候可以确定为几类。

总体思想（评价指标）还是怎么聚才能使得簇内距离足够小，簇与簇之间平均距离足够大来评判。

当然，有兴趣的同学，可以查资料总结一下聚类的评价指标，怎么确定K值，K-Means有什么优缺点，怎么提升？··· ···

后续文章也可能会专门出个这方面的专题。

然后看看，每个类别下的样本数量和占比情况。

# 计算每个聚类类别下的样本量和样本占比
clustering_count = pd.DataFrame(merge_data['渠道代号'].groupby(merge_data['clusters']).count()).T.rename({'渠道代号': 'counts'})  # 计算每个聚类类别的样本量
clustering_ratio = (clustering_count / len(merge_data)).round(2).rename({'counts': 'percentage'})  # 计算每个聚类类别的样本量占比
print(clustering_count)
print("#"*30)
print(clustering_ratio)

clusters    0    1    2   3
counts    154  313  349  73
##############################
clusters       0     1     2     3
percentage  0.17  0.35  0.39  0.08

接下来，我们看看每个类别内部最显著的特征：

# 计算各个聚类类别内部最显著特征值
cluster_features = []  # 空列表，用于存储最终合并后的所有特征信息
for line in range(best_k):  # 读取每个类索引
    label_data = merge_data[merge_data['clusters'] == line]  # 获得特定类的数据

    part1_data = label_data.iloc[:, 1:7]  # 获得数值型数据特征
    part1_desc = part1_data.describe().round(3)  # 得到数值型特征的描述性统计信息
    merge_data1 = part1_desc.iloc[2, :]  # 得到数值型特征的均值

    part2_data = label_data.iloc[:, 7:-1]  # 获得字符串型数据特征
    part2_desc = part2_data.describe(include='all')  # 获得字符串型数据特征的描述性统计信息
    merge_data2 = part2_desc.iloc[2, :]  # 获得字符串型数据特征的最频繁值

    merge_line = pd.concat((merge_data1, merge_data2), axis=0)  # 将数值型和字符串型典型特征沿行合并
    cluster_features.append(merge_line)  # 将每个类别下的数据特征追加到列表

#  输出完整的类别特征信息
cluster_pd = pd.DataFrame(cluster_features).T  # 将列表转化为矩阵
print('{:*^60}'.format('每个类别主要的特征:'))
all_cluster_set = pd.concat((clustering_count, clustering_ratio, cluster_pd),axis=0)  # 将每个聚类类别的所有信息合并
all_cluster_set

*******************每个类别主要的特征:*****************
              0        1       2       3
counts       154      313     349     73
percentage   0.17    0.35    0.39    0.08
日均UV     2717.42 1390.01 933.015 1904.37
平均注册率    0.005   0.003   0.003   0.003
平均搜索量    0.051   0.152   0.064   0.106
访问深度      0.947   1.168   5.916   0.943
订单转化率    0.007   0.017   0.006   0.009
投放总时间    8.529   8.199   8.77    8.217
素材类型     jpg      swf     jpg     swf
广告类型     banner  不确定   横幅     tips
合作方式     cpc      roi     cpc     cpm
广告尺寸    308*388  600*90  600*90  450*300
广告卖点     满减       打折    直降     打折

上面看着挺累的，不直观，我们图形化输出：

#各类别数据预处理
num_sets = cluster_pd.iloc[:6, :].T.astype(np.float64)  # 获取要展示的数据
num_sets_max_min = model_scaler.fit_transform(num_sets)  # 获得标准化后的数据

# 画图
fig = plt.figure(figsize=(6,6))  # 建立画布
ax = fig.add_subplot(111, polar=True)  # 增加子网格，注意polar参数
labels = np.array(merge_data1.index)  # 设置要展示的数据标签
cor_list = ['g', 'r', 'y', 'b']  # 定义不同类别的颜色
angles = np.linspace(0, 2 * np.pi, len(labels), endpoint=False)  # 计算各个区间的角度
angles = np.concatenate((angles, [angles[0]]))  # 建立相同首尾字段以便于闭合
# 画雷达图
for i in range(len(num_sets)):  # 循环每个类别
    data_tmp = num_sets_max_min[i, :]  # 获得对应类数据
    data = np.concatenate((data_tmp, [data_tmp[0]]))  # 建立相同首尾字段以便于闭合
    ax.plot(angles, data, 'o-', c=cor_list[i], label="第%d类渠道"%(i))  # 画线
    ax.fill(angles, data,alpha=2.5)
# 设置图像显示格式
ax.set_thetagrids(angles * 180 / np.pi, labels, fontproperties="SimHei")  # 设置极坐标轴
ax.set_title("各聚类类别显著特征对比", fontproperties="SimHei")  # 设置标题放置
ax.set_rlim(-0.2, 1.2)  # 设置坐标轴尺度范围
plt.legend(loc="upper right" ,bbox_to_anchor=(1.2,1.0))  # 设置图例位置

用了这个jupyter插件，我已经半个月没打开过excel了

安利 5 个拍案叫绝的 Matplotlib 骚操作！

特别推荐