用户分群之代码实现

X = df.iloc[:, 3:5]  # 第3、4列：年收入、消费指数

# 创建模型（K=5）
estimator = KMeans(n_clusters=5, random_state=23)

# 训练
estimator.fit(X)

# 预测
y_pred = estimator.predict(X)

plt.scatter(
    X.iloc[:, 0],  # X轴：年收入
    X.iloc[:, 1],  # Y轴：消费指数
    c=y_pred,      # 颜色：预测值
    s=100,         # 点大小
    label='Cluster'
)

plt.scatter(
    estimator.cluster_centers_[:, 0],  # 质心X轴
    estimator.cluster_centers_[:, 1],  # 质心Y轴
    c='red',
    marker='x',
    s=200
)

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score, calinski_harabasz_score

# 1. 模拟用户数据
print("=== 1. 模拟用户数据 ===")
np.random.seed(42)
n_customers = 200

df = pd.DataFrame({
    'customer_id': range(1, n_customers + 1),
    'gender': np.random.choice(['Male', 'Female'], n_customers),
    'age': np.random.randint(18, 70, n_customers),
    'annual_income': np.random.randint(15, 137, n_customers),
    'spending_score': np.random.randint(1, 100, n_customers)
})

# 保存为CSV（模拟真实数据）
df.to_csv('customers.csv', index=False)
print(f"用户数量: {len(df)}")
print(df.head())

# 2. 加载数据集
print("\n=== 2. 加载数据集 ===")
df = pd.read_csv('customers.csv')
print(f"数据形状: {df.shape}")
print(df.head())

# 3. 提取特征
print("\n=== 3. 提取特征 ===")
X = df.iloc[:, 3:5]  # 第3、4列：年收入、消费指数
print(f"特征形状: {X.shape}")
print(X.head())

# 4. 创建模型
print("\n=== 4. 创建模型 ===")
# K=5（通过SSE肘部法、SC、CH求得）
estimator = KMeans(
    n_clusters=5,
    random_state=23,
    n_init=10
)
print(f"K=5（通过SSE肘部法、SC、CH求得）")

# 5. 模型训练
print("\n=== 5. 模型训练 ===")
estimator.fit(X)
print("模型训练完成")

# 6. 模型预测
print("\n=== 6. 模型预测 ===")
y_pred = estimator.predict(X)
print(f"预测值: {y_pred}")
print(f"预测值范围: {y_pred.min()} ~ {y_pred.max()}")
print(f"各簇样本数:")
for i in range(5):
    count = np.sum(y_pred == i)
    print(f"  簇{i}: {count}个样本")

# 7. 绘制散点图
print("\n=== 7. 绘制散点图 ===")
plt.figure(figsize=(12, 8))

# 绘制五个簇的样本点
plt.scatter(
    X.iloc[:, 0],  # X轴：年收入
    X.iloc[:, 1],  # Y轴：消费指数
    c=y_pred,      # 颜色：预测值
    s=100,         # 点大小
    cmap='viridis',
    alpha=0.6,
    label='Cluster'
)

# 8. 绘制质心
print("\n=== 8. 绘制质心 ===")
plt.scatter(
    estimator.cluster_centers_[:, 0],  # 质心X轴
    estimator.cluster_centers_[:, 1],  # 质心Y轴
    c='red',
    marker='x',
    s=200,
    linewidths=3,
    label='Centroids'
)

plt.xlabel('年收入（千美元）', fontsize=12)
plt.ylabel('消费指数', fontsize=12)
plt.title('用户分群聚类结果', fontsize=14)
plt.legend()
plt.grid(True, alpha=0.3)
plt.savefig('user_clustering.png', dpi=100)
print("聚类结果图已保存")

# 9. 评估模型
print("\n=== 9. 评估模型 ===")
sse = estimator.inertia_
sc = silhouette_score(X, y_pred)
ch = calinski_harabasz_score(X, y_pred)

print(f"SSE: {sse:.4f}（越小越好）")
print(f"SC轮廓系数: {sc:.4f}（越大越好）")
print(f"CH轮廓系数: {ch:.4f}（越大越好）")

# 10. 查看质心
print("\n=== 10. 查看质心 ===")
centroids = estimator.cluster_centers_
print("质心坐标:")
for i, c in enumerate(centroids):
    print(f"  簇{i}: 年收入={c[0]:.2f}, 消费指数={c[1]:.2f}")

# 11. 分析用户群体
print("\n=== 11. 分析用户群体 ===")

def analyze_user_groups(df, y_pred, centroids):
    """分析用户群体"""
    df_with_labels = df.copy()
    df_with_labels['cluster'] = y_pred
    
    print("\n各簇统计:")
    for i in range(len(centroids)):
        cluster_data = df_with_labels[df_with_labels['cluster'] == i]
        
        print(f"\n簇{i}:")
        print(f"  用户数: {len(cluster_data)}")
        print(f"  平均年收入: {cluster_data['annual_income'].mean():.2f}")
        print(f"  平均消费指数: {cluster_data['spending_score'].mean():.2f}")
        print(f"  平均年龄: {cluster_data['age'].mean():.2f}")
        print(f"  性别分布: {cluster_data['gender'].value_counts().to_dict()}")
        
        # 判断用户类型
        avg_income = cluster_data['annual_income'].mean()
        avg_spending = cluster_data['spending_score'].mean()
        
        if avg_income > 70 and avg_spending > 60:
            user_type = "黄金用户（赚多花多）"
            strategy = "重点维护，提供VIP服务"
        elif avg_income > 70 and avg_spending < 40:
            user_type = "保守用户（赚多花少）"
            strategy = "推出高端产品，刺激消费"
        elif avg_income < 40 and avg_spending > 60:
            user_type = "年轻用户（赚少花多）"
            strategy = "提供分期付款，培养忠诚度"
        elif avg_income < 40 and avg_spending < 40:
            user_type = "普通用户（赚少花少）"
            strategy = "推出性价比产品"
        else:
            user_type = "标准用户（赚一般花一般）"
            strategy = "保持现状，定期推送"
        
        print(f"  用户类型: {user_type}")
        print(f"  营销策略: {strategy}")

analyze_user_groups(df, y_pred, centroids)

# 12. 可视化不同簇
print("\n=== 12. 可视化不同簇 ===")
plt.figure(figsize=(12, 8))

colors = ['purple', 'blue', 'green', 'orange', 'red']
labels = ['簇0', '簇1', '簇2', '簇3', '簇4']

for i in range(5):
    cluster_data = X[y_pred == i]
    plt.scatter(
        cluster_data.iloc[:, 0],
        cluster_data.iloc[:, 1],
        c=colors[i],
        s=100,
        alpha=0.6,
        label=f'{labels[i]} ({len(cluster_data)}人)'
    )

# 绘制质心
plt.scatter(
    centroids[:, 0],
    centroids[:, 1],
    c='black',
    marker='x',
    s=200,
    linewidths=3,
    label='质心'
)

plt.xlabel('年收入（千美元）', fontsize=12)
plt.ylabel('消费指数', fontsize=12)
plt.title('用户分群详细分析', fontsize=14)
plt.legend()
plt.grid(True, alpha=0.3)
plt.savefig('user_clustering_detailed.png', dpi=100)
print("详细分析图已保存")

# 13. 完整流程函数
def user_segmentation_complete():
    """用户分群完整流程"""
    print("=" * 50)
    print("用户分群 - 完整流程")
    print("=" * 50)
    
    # 1. 加载数据
    print("\n1. 加载数据")
    df = pd.read_csv('customers.csv')
    print(f"   数据形状: {df.shape}")
    
    # 2. 提取特征
    print("\n2. 提取特征")
    X = df.iloc[:, 3:5]
    print(f"   特征: 年收入, 消费指数")
    
    # 3. 创建模型
    print("\n3. 创建模型")
    estimator = KMeans(n_clusters=5, random_state=23, n_init=10)
    
    # 4. 训练
    print("\n4. 模型训练")
    estimator.fit(X)
    
    # 5. 预测
    print("\n5. 模型预测")
    y_pred = estimator.predict(X)
    
    # 6. 绘制散点图
    print("\n6. 绘制散点图")
    plt.figure(figsize=(10, 8))
    plt.scatter(X.iloc[:, 0], X.iloc[:, 1], c=y_pred, s=100, cmap='viridis', alpha=0.6)
    plt.scatter(estimator.cluster_centers_[:, 0], estimator.cluster_centers_[:, 1],
                c='red', marker='x', s=200, linewidths=3)
    plt.xlabel('年收入')
    plt.ylabel('消费指数')
    plt.title('用户分群')
    plt.savefig('user_segmentation_final.png', dpi=100)
    
    # 7. 分析
    print("\n7. 分析用户群体")
    analyze_user_groups(df, y_pred, estimator.cluster_centers_)
    
    print("\n" + "=" * 50)
    print("用户分群完成!")
    print("=" * 50)

user_segmentation_complete()

X = df.iloc[:, 3:5]  # 第3、4列

plt.scatter(
    estimator.cluster_centers_[:, 0],  # 质心X轴
    estimator.cluster_centers_[:, 1],  # 质心Y轴
    c='red',
    marker='x',
    s=200
)