利用樱花数据(yhkds.csv)实践k-means聚类算法。

首先，我们需要加载数据并对其进行预处理。在这个数据集中，我们有三个属性：年龄、收入和支出。我们将使用这些属性来聚类客户。

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt

# 加载数据
data = pd.read_csv('yhkds.csv')

# 删除不必要的列
data.drop(['序号'], axis=1, inplace=True)

# 查看数据
print(data.head())

接下来，我们将进行特征缩放，以确保每个特征的权重相等。

# 特征缩放
from sklearn.preprocessing import StandardScaler

scaler = StandardScaler()
data_scaled = scaler.fit_transform(data)

现在我们可以应用K-Means算法来聚类数据。我们将尝试聚类2到10个簇，并使用肘方法来选择最佳的簇数。

# 聚类
from sklearn.cluster import KMeans

# 计算SSE(误差平方和)
sse = []
for i in range(2, 11):
    kmeans = KMeans(n_clusters=i, init='k-means++')
    kmeans.fit(data_scaled)
    sse.append(kmeans.inertia_)

# 画出SSE的曲线图
plt.plot(range(2, 11), sse)
plt.title('Elbow Method')
plt.xlabel('Number of clusters')
plt.ylabel('SSE')
plt.show()

根据上图，我们可以看到聚类2或3个簇是最好的选择，因为这些点后的SSE变化不大。

现在我们可以使用K-Means算法并将其应用于数据集，我们将选择3个簇。

# 应用K-Means算法
kmeans = KMeans(n_clusters=3, init='k-means++')
kmeans.fit(data_scaled)

# 为每个客户分配簇
cluster_labels = kmeans.predict(data_scaled)

# 将簇分配添加到数据集中
data['Cluster'] = cluster_labels

# 查看结果
print(data.head())

最后，我们可以可视化聚类结果。

# 可视化聚类结果
plt.scatter(data['收入'], data['支出'], c=data['Cluster'])
plt.xlabel('Income')
plt.ylabel('Spending')
plt.show()

如果一切都运行正常，您应该会看到一个具有三个不同颜色的散点图，每个颜色代表一个簇。