机器学习-KMeans（3D散点图绘制）

读取“客户价值.xlsx”，使用Axes3D绘制反映RFM数据列关系的3D散点图。

import pandas as pd

import numpy as np

from sklearn.cluster import KMeans

df = pd.read_excel('某超市的销售数据.xlsx')

df = df.dropna() # 删除缺失值

df1 = df[['顾客编号', '销售金额', '销售日期','数据采集时间']]

df1['R']=(pd.to_datetime(df1['数据采集时间'])-pd.to_datetime(df1['销售日期'])).values/np.timedelta64(1,'D')

df1=df1[['顾客编号', '销售金额', '销售日期','R']]

df2=df1.groupby('顾客编号').agg({'R':'min','销售金额':'mean'})

df2['F']=df1.groupby(['顾客编号'])['顾客编号'].size()

df2.to_excel('data.xlsx',index=False)

 

datafile=r'data.xlsx'

transformfile=r'tfdata.xls'

data=pd.read_excel(datafile)

data=data[["R",'F','销售金额']]

data=(data-data.mean(axis=0))/(data.std(axis=0))

data.columns=['R','F','M']

data.to_excel(transformfile,index=False)

 

inputfile=r'tfdata.xls'

data = pd.read_excel(inputfile)

iteration=500

k