Python数据挖掘实战入门（手把手教你掌握核心数据挖掘算法）

准备工作：安装必要库

首先，确保你已安装以下Python库：

# 在命令行中运行pip install pandas scikit-learn numpy matplotlib jupyter

案例实战：用K-Means聚类分析客户分群

我们将使用经典的鸢尾花（Iris）数据集演示一个完整的数据分析教程。K-Means是一种无监督学习算法，用于将数据分成K个簇。

import pandas as pdfrom sklearn.cluster import KMeansfrom sklearn.datasets import load_irisimport matplotlib.pyplot as plt# 1. 加载数据iris = load_iris()df = pd.DataFrame(iris.data, columns=iris.feature_names)# 2. 选择特征（这里用前两个特征便于可视化）X = df[['sepal length (cm)', 'sepal width (cm)']]# 3. 训练K-Means模型（假设分为3类）kmeans = KMeans(n_clusters=3, random_state=42)df['cluster'] = kmeans.fit_predict(X)# 4. 可视化结果plt.figure(figsize=(8, 6))plt.scatter(df['sepal length (cm)'], df['sepal width (cm)'],             c=df['cluster'], cmap='viridis', s=50)plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1],             c='red', marker='x', s=200, label='聚类中心')plt.xlabel('花萼长度 (cm)')plt.ylabel('花萼宽度 (cm)')plt.title('K-Means聚类结果')plt.legend()plt.show()

代码解析

• 数据加载：使用sklearn内置的Iris数据集，包含150个样本的4个特征。
• 特征选择：为简化可视化，仅使用前两个特征（花萼长度和宽度）。
• 模型训练：KMeans(n_clusters=3)指定分为3类，fit_predict()同时完成训练和预测。
• 结果可视化：用不同颜色标记聚类结果，红色“X”表示每个簇的中心点。

常见数据挖掘算法概览

下一步学习建议

掌握基础后，你可以：

1. 尝试其他算法（如用决策树做分类）
2. 学习数据预处理技巧（缺失值处理、特征缩放）
3. 探索真实数据集（Kaggle提供大量免费数据）

通过本教程，你已迈出Python数据挖掘的第一步！坚持练习，你将能用数据挖掘算法解决实际问题，开启Python机器学习之旅。更多数据分析教程请持续关注！