【机器学习】k-means——NBA球员聚类分析

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans


def build_data():
    """
    构建数据
    :return:原始数据
    """
    nba_data = pd.read_excel("./nba_data.xlsx")

    return nba_data


def deal_data(nba_data):
    """
    数据处理
    :param nba_data: 待处理数据
    :return: 数据处理之后的nba_data
    """
    # 1、筛选相关特征
    nba_data = nba_data.loc[:, ["时间", "助攻", "得分"]]
    # 2、检测缺失值
    res_null = pd.isnull(nba_data).sum()
    print("缺失值检测结果：
", res_null)
    # 3、处理缺失值
    # 将 时间列的 " " 先转化为np.nan类型，再进行缺失值处理
    nba_data.replace(" ", np.nan, inplace=True)
    # print("转化之后缺失值检测结果：", pd.isnull(nba_data).sum())
    # 对缺失值进行 处理---？？？
    # （1）删除---会损失大量数据
    # （2）拉格朗日插值---时间可能会插上负值，有的数据还特别大
    # （3）填充---均值、众数、中位数、上下邻居
    # 计算众数
    mode = nba_data.loc[:, "时间"].mode()[0]
    # 填充
    nba_data.loc[:, "时间"].fillna(value=mode, inplace=True)
    print("转化之后缺失值检测结果：", pd.isnull(nba_data).sum())
    # 4、构建最终的特征
    # 检测各个特征的数据类型
    res_dtype = nba_data.dtypes
    print("各个特征的数据类型：
", res_dtype)
    #
    # # 将时间转化为float 类型
    nba_data.loc[:, "时间"] = nba_data.loc[:, "时间"].astype(np.float64)
    # #
    # print("数据类型转化之后的结果：
", nba_data.dtypes)
    nba_data.loc[:, "得分/分钟"] = nba_data.loc[:, "得分"] / nba_data.loc[:, "时间"]
    nba_data.loc[:, "助攻/分钟"] = nba_data.loc[:, "助攻"] / nba_data.loc[:, "时间"]

    nba_data = nba_data.loc[:, ["得分/分钟", "助攻/分钟"]]
    print("特征构建之后的结果：
", nba_data)
    # 5、处理异常值---数据正常不需要异常值处理
    print("分钟得分的最大值、最小值", nba_data.loc[:, "得分/分钟"].max(), nba_data.loc[:, "得分/分钟"].min())
    print("助攻得分的最大值、最小值", nba_data.loc[:, "助攻/分钟"].max(), nba_data.loc[:, "助攻/分钟"].min())
    # 6、标准化数据---量级相差不大，不需要标准化

    return nba_data


def km_fit(nba_data, k):
    """
    nba球员聚类
    :param nba_data: 数据
    :param k: 聚类的类别数目
    :return:
    """
    # 1、创建算法实例
    km = KMeans(n_clusters=k)
    # 2、训练数据
    km.fit(nba_data)
    # 3、预测
    y_predict = km.predict(nba_data)

    # 获取聚类中心
    center = km.cluster_centers_

    return y_predict, center


def show_res(nba_data, y_predict, center):
    """
    结果展示
    :param nba_data: 数据
    :param y_predict: 预测值
    :param center: 聚类中心
    :return: None
    """
    # 1、创建画布
    plt.figure()
    # 2、绘图
    color_list = ["r", "g", "pink", "y", "k"]
    # 散点图
    for i in range(nba_data.shape[0]):
        plt.scatter(nba_data[i, 0], nba_data[i, 1], c=color_list[y_predict[i]])

    print("nba_data: ", nba_data)
    print("nba_data.shape[0]: ", nba_data.shape[0])
    print("nba_data[i, 0]: ", nba_data[i, 0])
    print("nba_data[i, 1]: ", nba_data[i, 1])

    # 绘制标注
    plt.plot(center[:, 0], center[:, 1], "bx", markersize=12)
    # 3、展示
    plt.show()


def main():
    """
    主函数
    :return:
    """
    # 1、加载数据
    nba_data = build_data()
    print("nba_data:
", nba_data)
    print("nba_data 的列索引:
", nba_data.columns)

    # 2、数据处理
    nba_data = deal_data(nba_data)

    # 3、聚类分析
    # 确定聚类类别数目
    k = 5
    y_predict, center = km_fit(nba_data, k)

    print("预测值：
", y_predict)
    print("聚类中心：
", center)

    # 4、结果展示
    show_res(nba_data.values, y_predict, center)


if __name__ == '__main__':
    main()