使用Kmeans算法对客户数据进行聚类分析完整代码

以下是使用Kmeans算法对客户数据进行聚类分析的完整Python代码：

# 导入相关库
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler

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

# 数据预处理
X = df.iloc[:, 1:].values
scaler = StandardScaler()
X = scaler.fit_transform(X)

# 拟合KMeans模型
kmeans = KMeans(n_clusters=5, init='k-means++', random_state=42)
y_kmeans = kmeans.fit_predict(X)

# 可视化结果
plt.scatter(X[y_kmeans==0, 0], X[y_kmeans==0, 1], s=100, c='red', label='Cluster 1')
plt.scatter(X[y_kmeans==1, 0], X[y_kmeans==1, 1], s=100, c='blue', label='Cluster 2')
plt.scatter(X[y_kmeans==2, 0], X[y_kmeans==2, 1], s=100, c='green', label='Cluster 3')
plt.scatter(X[y_kmeans==3, 0], X[y_kmeans==3, 1], s=100, c='cyan', label='Cluster 4')
plt.scatter(X[y_kmeans==4, 0], X[y_kmeans==4, 1], s=100, c='magenta', label='Cluster 5')
plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=300, c='yellow', label='Centroids')
plt.title('Customer Clusters')
plt.xlabel('Annual Income (k$)')
plt.ylabel('Spending Score (1-100)')
plt.legend()
plt.show()

在该代码中，我们首先导入了必要的库和数据。然后，我们对数据进行了预处理，使用StandardScaler将数据进行了标准化。接着，我们拟合了一个KMeans模型，将客户数据分成5个簇。最后，我们使用matplotlib库可视化了聚类结果，图中展示了5个簇的中心点。