已知客户地理位置经纬度对客户进行Kmeans聚类的代码
时间: 2024-02-11 12:05:17 浏览: 75
Python用K-means聚类算法进行客户分群的实现
5星 · 资源好评率100%
这是一个使用Python实现的Kmeans聚类代码示例,可以使用经纬度数据对客户进行聚类:
```python
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
# 读取数据
data = pd.read_csv('customer_location.csv')
# 获取经纬度数据
X = data.iloc[:, [1, 2]].values
# 定义Kmeans模型,设置聚类数量为3
kmeans = KMeans(n_clusters=3)
# 对数据进行聚类
kmeans.fit(X)
# 输出聚类结果
print(kmeans.labels_)
# 可视化聚类结果
colors = ['r', 'g', 'b']
for i in range(len(X)):
plt.scatter(X[i][0], X[i][1], c=colors[kmeans.labels_[i]])
plt.show()
```
这段代码中,首先读取客户地理位置的经纬度数据,然后获取其中的经纬度信息。接着定义了一个Kmeans模型,将聚类数量设置为3。最后对数据进行聚类,并输出聚类结果,同时通过可视化的方式展示聚类结果。你需要将`customer_location.csv`替换为你自己的数据文件名,并根据实际情况调整聚类数量和其他参数,以获得更好的聚类效果。
阅读全文