应用多元统计分析水泥实验代码python

以下是一个简单的水泥实验多元统计分析的Python代码示例：

import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from sklearn.decomposition import PCA
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

# 读取数据集
data = pd.read_csv('cement.csv')

# 数据预处理：标准化
X = StandardScaler().fit_transform(data)

# PCA降维
pca = PCA(n_components=2)
pca.fit(X)
X_pca = pca.transform(X)

# K-Means聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X_pca)

# 聚类结果评估
score = silhouette_score(X_pca, kmeans.labels_)
print('Silhouette Score: %.3f' % score)

# 可视化
import matplotlib.pyplot as plt
colors = ['r', 'g', 'b']
for i in range(3):
    plt.scatter(X_pca[kmeans.labels_==i, 0], X_pca[kmeans.labels_==i, 1], c=colors[i])
plt.xlabel('PC1')
plt.ylabel('PC2')
plt.show()

其中，数据集`cement.csv`中包含了不同水泥实验的多个指标，代码中首先对数据进行标准化处理，然后使用PCA进行降维，将数据降到二维，最后使用K-Means进行聚类，将实验归为三类，并计算Silhouette Score评估聚类效果。最后使用matplotlib可视化聚类结果。