阿里巴巴天池机器学习（数据分析达人赛3:汽车产品聚类分析）

赛题背景

赛题以竞品分析为背景，通过数据的聚类，为汽车提供聚类分类。对于指定的车型，可以通过聚类分析找到其竞品车型。通过这道赛题，鼓励学习者利用车型数据，进行车型画像的分析，为产品的定位，竞品分析提供数据决策。

赛题数据

数据源：car_price.csv，数据包括了205款车的26个字段

赛题任务

选手需要对该汽车数据进行聚类分析，并找到vokswagen汽车的相应竞品。要求选手在天池实验室中用notebook完成以上任务，并分享到比赛论坛。
（聚类分析是常用的数据分析方法之一，不仅可以帮助我们对用户进行分组，还可以帮我们对产品进行分组（比如竞品分析） 这里的聚类个数选手可以根据数据集的特点自己指定，并说明聚类的依据）

import pandas as pd
from sklearn.cluster import KMeans
from sklearn.preprocessing import LabelEncoder
from sklearn import preprocessing

导入数据

df=pd.read_csv("car_price.csv")

提取数据中值为字符串的列，，，注意include里是O，不是0！！！

cols = df.select_dtypes(include='O').columns
df2 = df.copy()

转换数值标签

for col in cols:
    le = LabelEncoder()
    df2[col] = le.fit_transform(df[col])
df2

数据缩放

scaler = preprocessing.MinMaxScaler()

注意是df2.loc[：]，不能是df2
df2.loc[:] = scaler.fit_transform(df2)
 

columns = ['symboling',  'fueltype', 'aspiration',
       'doornumber', 'carbody', 'drivewheel', 'enginelocation', 'wheelbase',
       'carlength', 'carwidth', 'carheight', 'curbweight', 'enginetype',
       'cylindernumber', 'enginesize', 'fuelsystem', 'boreratio', 'stroke',
       'compressionratio', 'horsepower', 'peakrpm', 'citympg', 'highwaympg',
       'price']

kmeans= KMeans(n_clusters=10)

kmeans.fit(df2[columns])
y_pred = kmeans.predict(df2[columns])

df['result'] = y_pred
df
 

选择无重复的值，便于查看

df['CarName'].unique()
name = 'volkswagen rabbit'

提取标签一样的数据作为我们的汽车竞品

label = df[df['CarName']==name]['result'].values[0]

df[df['result']==label]