使用K-means把人群分类

1.前言

K-mean 是无监督的聚类算法

算法分类：

2.实现步骤

1.数据加工：把数据转为全数字（比如性别男女，转换为0 和 1）

2.模型训练 fit

3.预测

3.代码

原数据类似这样(source：http:img-blog.csdnimg.cn/20201212150816452.png）：

代码：

from sklearn.cluster import KMeans
from sklearn import preprocessing

skill_info_df.to_excel("C:/work/20230224待分类数据/test.xlsx")# fordrop the string people Chinese name
for_train_skill_info_df = skill_info_df.iloc[:, 1:]# set k
k_model = KMeans(n_clusters=5)# 数据归一化
min_max_scaler = preprocessing.MinMaxScaler()train_x = min_max_scaler.fit_transform(for_train_skill_info_df)# 训练模型
k_model.fit(train_x)predict_y = k_model.predict(train_x)print(predict_y)# add predict result to data
skill_info_df['class'] = predict_yskill_info_df.to_excel("C:/work/20230224预测结果/classified_info.xlsx")

4.常见问题

4.1 数据加工:  行列转换：

python实现列转行--pivot_table函数-CSDN博客

ps：pivot 函数遇到为空情况填充NAN，导入模型会报字符串非数字错误。
解决办法：设置 fill_value 参数：数据为空情况处理，默认填充NAN值。可以修改如果原数据为空，比如设为0

4.2 数据加工：查找df行特定列的值

问题描述：当使用  isin 函数 或者 == 判断时候，返回的是Series 数据类型。不是单独的数值all_prod_df[all_prod_df['product_id'].isin(sample_list)]

直接投到模型中训练会报错 

pandas的iloc和loc行列定位-CSDN博客

4.3 修改df数据中的男女为 0 1

basic_info_df['性别'][basic_info_df['性别'] == '男'] = 1
basic_info_df['性别'][basic_info_df['性别'] == '女'] = 0

4.4 df中新增一列，根据list新增

方法1：直接指定df列名赋值为list即可

skill_info_df['age'] = age_list

ps:list的长度要和df对齐

方法二：

df新增一列数据，并指定列名-CSDN博客

4.5 根据df的几列创建新的df

直接 df1 = df[[ '列名' ]]

python中dataframe，df中挑选几列生成新df-CSDN博客