航空公司客户价值分析.rar

与本人博客https://blog.csdn.net/sinat_38068807/article/details/90703685配套使用，这个压缩包里面有数据分析所用数据源，分析需求文档以及本人编写的代码

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

from sklearn.cluster import KMeans #导入kmeans算法
airline_scale = np.load（‘airline_scale.npz‘）[‘arr_0‘]
k = 5 ## 确定聚类中心数
#构建模型
kmeans_model = KMeans（n_clusters = k）
fit_kmeans = kmeans_model.fit（airline_scale）   #模型训练

#kmeans_model.cluster_centers_ #查看聚类中心
#kmeans_model.labels_ #查看样本的类别标签
print（‘样本的类别标签：‘kmeans_model.labels_）
print（‘样本的类别标签类型：‘type（kmeans_model.labels_））
#统计不同类别样本的数目

#易错：只用pandas中Series类型才有value_counts（）属性
r1 = pd.Series（kmeans_model.labels_）.value_counts（）
print（‘最终每个类别的数目为：\n‘r1）

##做可视化：
plt.figure（figsize=（66））
L=5
angles = np.linspace（0 2*np.pi L endpoint=False）
labels = [‘L‘ ‘F‘ ‘R‘ ‘C‘ ‘M‘]
data = kmeans_model.cluster_centers_
##闭合曲线：
print（data）
angles = np.concatenate（（angles [angles[0]]））
#为了形成闭合，把二维数组每一行下标为0的数拼接到列
# 二维数组与二维数组拼接，
#所以reshape成二维的，且变成五列一行
data = np.concatenate（（data data[:0].reshape（51））axis=1）.T
# print（‘angles‘angles）
print（‘data‘data）
##绘图：
plt.polar（angles data）
plt.xticks（angles labels）
plt.show（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       1385  2019-05-30 20:57  航空公司客户价值分析\airline_k_means.py

     文件    2481956  2019-05-29 15:13  航空公司客户价值分析\airline_scale.npz

     文件   13919328  2019-05-30 19:04  航空公司客户价值分析\air_data.csv

     文件       2113  2019-05-30 19:20  航空公司客户价值分析\air_line.py

     文件     412672  2019-05-29 17:06  航空公司客户价值分析\航空公司客户价值分析.doc

     目录          0  2019-05-30 21:16  航空公司客户价值分析

----------- ---------  ---------- -----  ----

             16817454                    6