多指标数据的聚类分析代码

以下是一个使用Python进行多指标数据聚类分析的示例代码，其中使用了K-Means聚类算法和最大-最小标准化方法：

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
from sklearn.preprocessing import MinMaxScaler
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_csv('data.csv')

# 提取数据矩阵
X = data.iloc[:, 1:].values

# 标准化处理
scaler = MinMaxScaler()
X_std = scaler.fit_transform(X)

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

# 可视化展示
plt.scatter(X[:, 0], X[:, 1], c=labels, cmap='viridis')
plt.xlabel('Feature 1')
plt.ylabel('Feature 2')
plt.show()

其中，`data.csv`是一个包含多个指标数据的CSV文件，第一列为样本ID，后面各列为不同指标的取值。代码中，我们首先读取数据并提取数据矩阵，然后使用最大-最小标准化方法对数据进行标准化处理。接着，我们使用K-Means聚类算法对数据进行聚类，得到每个样本所属的类别。最后，我们使用散点图将聚类结果可视化展示出来，其中不同颜色表示不同的类别。