使用k聚类对含有‘订单日期','销售区域编码','产品编码','产品大类编码','产品细类编码','销售渠道名称','产品价格','订单需求量‘’属性的数据进行聚类分析,使用python编写,依据产品价格进行聚类
时间: 2023-12-31 13:03:33 浏览: 28
以下是使用Python进行k-means聚类分析的示例代码:
```python
import pandas as pd
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
# 加载数据
data = pd.read_excel('data.xlsx')
# 选择要聚类的属性
X = data[['产品价格']]
# 指定要分成的簇数
k = 3
# 进行k-means聚类
kmeans = KMeans(n_clusters=k).fit(X)
# 获取每个数据点所属的簇
labels = kmeans.labels_
# 将聚类结果添加到原始数据中
data['聚类结果'] = labels
# 绘制聚类结果的散点图
colors = ['r', 'g', 'b']
for i in range(k):
plt.scatter(data[data['聚类结果'] == i]['订单日期'], data[data['聚类结果'] == i]['产品价格'], c=colors[i])
plt.xlabel('订单日期')
plt.ylabel('产品价格')
plt.show()
```
在上述代码中,我们使用pandas库读取了包含所需属性的数据文件,并选择了要聚类的属性进行分析。然后,我们指定了要分成的簇数,并使用sklearn库中的KMeans函数进行k-means聚类。然后,我们获取每个数据点所属的簇,并将聚类结果添加到原始数据中。最后,我们使用matplotlib库绘制了聚类结果的散点图,其中不同颜色代表不同的簇。
相关推荐
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)
![](https://csdnimg.cn/download_wenku/file_type_ask_c1.png)