使用Kmeans算法对客户数据进行聚类分析代码

以下是使用Python中的scikit-learn库实现KMeans聚类算法的示例代码：

# 导入必要的库
from sklearn.cluster import KMeans
import pandas as pd

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

# 选择需要聚类的特征列
X = data[['age', 'income']]

# 创建KMeans模型并拟合数据
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

# 打印聚类结果
print(kmeans.labels_)

在上述示例代码中，我们使用了KMeans算法对客户数据进行聚类分析。我们首先读取了数据，然后选择了需要聚类的特征列，即客户的年龄和收入。接着，我们使用KMeans模型进行聚类，指定聚类数量为3，并使用随机种子设置了random_state。最后，我们打印了聚类结果，即每个客户属于哪个聚类。