### 构建消费者画像的关键步骤 为了使用 Python 和 K-means 聚类算法构建消费者画像，需遵循特定流程并选用适当工具。Jupyter Notebook 是理想的开发环境之一，支持交互式编程和可视化展示[^1]。 #### 数据准备与预处理 数据集应包含消费者的多个特征维度，如年龄、存款数量等数值型变量。对于非数值属性（例如社保号码和姓名），通常不参与聚类计算，因为这些字段不具备可比较的数量级意义。因此，在实际操作前要先过滤掉无关紧要的信息： ```python import pandas as pd # 加载原始数据到DataFrame对象中 data = pd.read_csv('customer_data.csv') # 删除不必要的列 cleaned_data = data.drop(['social_security_number', 'name'], axis=1) # 查看清理后的数据结构 print(cleaned_data.head()) ``` #### 特征缩放标准化 由于不同特征可能具有不同的量纲范围，这会影响距离度量的效果，进而影响最终的聚类效果。所以需要对所有用于聚类分析的连续型变量执行标准化转换，使得每项指标均值接近于零且标准差等于一： ```python from sklearn.preprocessing import StandardScaler scaler = StandardScaler() scaled_features = scaler.fit_transform(cleaned_data[['age', 'deposit_amount']]) df_scaled = pd.DataFrame(scaled_features, columns=['age', 'deposit_amount']) ``` #### 执行K-means聚类 选择合适的簇数目 k 后即可调用 `sklearn.cluster.KMeans` 类完成聚类过程。这里假设已经确定了最佳的簇数为 n_clusters: ```python from sklearn.cluster import KMeans model = KMeans(n_clusters=n_clusters, random_state=42).fit(df_scaled) labels = model.labels_ centroids = model.cluster_centers_ # 将标签附加回原数据框以便后续分析 final_df = cleaned_data.copy() final_df['cluster'] = labels ``` #### 结果解释与可视化呈现 最后一步是对各个类别下的样本特性进行总结归纳，并借助图表直观展现出来。Matplotlib 或 Seaborn 库可以帮助创建高质量图形辅助理解模式分布情况： ```python import matplotlib.pyplot as plt import seaborn as sns plt.figure(figsize=(8, 6)) sns.scatterplot(x='age', y='deposit_amount', hue='cluster', palette='Set1', data=final_df) plt.title('Customer Segmentation based on Age and Deposit Amount') plt.show() for i in range(len(centroids)): print(f'Cluster {i}: Centroid at age={round(centroids[i][0], 2)}, deposit amount={round(centroids[i][1]*scaler.scale_[1]+scaler.mean_[1], 2)}') ``` 上述代码片段展示了完整的从加载数据直至生成初步洞察的过程[^3]。