之前也做過聚類，只不過是用經典資料集，這次是拿的實際資料跑的結果，效果還可以，記錄一下實驗過程。

首先：
確保自己資料集是否都完整，不能有空值，最好也不要出現為0的值，會影響聚類的效果。
其次：
想好要用什麼演算法去做，K-means，層次聚類還是基於密度演算法，如果對這些都不算特別深入瞭解，那就都嘗試一下吧，我就是這樣做的。
好了，簡單開始講解實驗的過程吧。

第一步

環境：
Windows10 + Anaconda3 + Pycharm

為了避免中文編碼錯誤，在python檔案上加一句中文編碼設定程式碼：

#-*- coding:utf-8 -*-

並且在Pycharm下修改編碼設定，安心。方法如下：
在Pycharm下開啟你的專案，左上角File–>Settings–>Editor–>File Encodings

一些庫的準備：

import pandas as pd
from sklearn.cluster import KMeans #匯入K均值聚類演算法
from sklearn.cluster import AgglomerativeClustering #層次聚類
from sklearn.cluster import DBSCAN #具有噪聲的基於密度聚類方法
 

import matplotlib.pyplot as plt #matplotlib畫圖
from sklearn.decomposition import PCA  #主成分分析
from mpl_toolkits.mplot3d import Axes3D #畫三維圖

這些庫都有註釋，想了解詳細自己去看官方文件。

第二步

貼上了完整的程式碼，只需要改檔案路徑就可以了。

#-*- coding:utf-8 -*-

import pandas as pd
from sklearn.cluster import KMeans #匯入K均值聚類演算法
from sklearn.cluster import
 
 AgglomerativeClustering #層次聚類
from sklearn.cluster import DBSCAN #具有噪聲的基於密度聚類方法
import matplotlib.pyplot as plt  #matplotlib畫圖
from sklearn.decomposition import PCA  #主成分分析
from mpl_toolkits.mplot3d import Axes3D #畫三維圖


pltcolor=['b<', 'g>', 'r1', 'c2', 'm3', 'y4', 'ks', 'wp']   #顏色
inputfile = 'E:/Work/python/data.xlsx'  #待聚類的資料檔案，需要進行標準化的資料檔案；
zscoredfile = 'E:/Work/python/zdata.xlsx'  #標準差計算後的資料儲存路徑檔案；

data = pd.read_excel(inputfile)  #讀取資料，因為我的檔案時CSV格式的，直接read_excel就可以，不是的話自己寫一個檔案讀取的方法讀進來。
iteration = 5000  # 聚類最大迴圈數
d = []
mink = 4  #聚類的類別範圍K值下界
maxk = mink + 1 #聚類的列別範圍上界

#data = (data - data.mean(axis = 0))/(data.std(axis = 0)) #簡潔的語句實現了標準化變換，類似地可以實現任何想要的變換。也可以直接在原始資料裡面就先處理好，這句話就可以不用了。
#data.columns=['Z'+i for i in data.columns] #表頭重新命名。
#data.to_excel(zscoredfile, index = False) #資料寫入，標準化之後資料重新寫入，直接覆蓋掉之前的檔案裡的內容


# svd_solver : string {'auto', 'full', 'arpack', 'randomized'}  這個引數可以在PCA演算法裡看到
pca = PCA(n_components=2, svd_solver='full')  # 輸出兩維 PCA主成分分析抽象出維度

#下面註釋的幾行是其它幾種PCA主成分分析方法，可以嘗試使用。
# from sklearn.decomposition import KernelPCA
# kernel : "linear" | "poly" | "rbf" | "sigmoid" | "cosine" | "precomputed"
# pca = KernelPCA(n_components = 2, kernel = "poly")
# method : {'lars', 'cd'}

# from sklearn.decomposition import SparsePCA
# pca = SparsePCA(n_components = 2, method = 'cd')

# from sklearn.decomposition import TruncatedSVD
# algorithm : string, default = "randomized" "arpack"
# pca = TruncatedSVD(algorithm = "arpack")

newData = pca.fit_transform(data) # 載入N維

if __name__ == '__main__' :
    print("Kmeans")
    for k in range(mink, maxk):  # k取值在mink-maxk值之間，做kmeans聚類，看不同k值對應的簇內誤差平方和

        outputfile = 'E:/Work/python/fenlei%d.xlsx' % k
        # 讀取資料並進行聚類分析
        # 呼叫k-means演算法，進行聚類分析

        kmodel = KMeans(n_clusters=k, init='k-means++', n_jobs=5, max_iter=iteration)  # n_jobs是並行數，一般等於CPU數較好，max_iter是最大迭代次數,init='K-means++'引數的設定可以讓初始化均值向量的時候讓這幾個簇中心儘量分開
        kmodel.fit(data)  # 訓練模型
        r1 = pd.Series(kmodel.labels_).value_counts()  # 統計各個類別的數目
        #r2 = pd.DataFrame(kmodel.cluster_centers_)  # 找出聚類中心

        print(r1)
        kmlabels = kmodel.labels_  # 得到類別，label_ 是內部變數

        #print(pd.Series(kmlabels, index=data.index)) #輸出為序號和對應的類別，以序號為拼接列，把類別加到最後面一列
        r = pd.concat([data, pd.Series(kmlabels, index=data.index)], axis=1)  # 詳細輸出每個樣本對應的類別，橫向連線（0是縱向），得到聚類中心對應的類別下的數目
        r.columns = list(data.columns) + [u'聚類類別']  # 重命名錶頭  加一列的表頭
        r.to_excel(outputfile)  # 儲存分類結果

        d.append(kmodel.inertia_)  # inertia簇內誤差平方和

        if mink >= maxk - 1:
            x = []
            y = []
            for i in range(0, len(r1)):
                x.append([])
                y.append([])

            for i in range(0, len(kmlabels)):
                labelnum = kmlabels[i] #輸出每條資料的類別標籤
                if labelnum >= 0:
                    x[labelnum].append(newData[i][0])
                    y[labelnum].append(newData[i][1])

            # blue,green,red,cyan,magenta,yellow,black,white
            for i in range(0, len(r1)):
                plt.plot(x[i], y[i], pltcolor[i])
            plt.show()

    if mink < maxk - 1 :
        plt.plot(range(mink, maxk), d, marker='o')
        plt.xlabel('number of clusters')
        plt.ylabel('distortions')
        plt.show()

    '''
    k = 5                       #需要進行的聚類類別數
    outputfile = 'E:/Work/python/fenlei%d.xlsx' % k
    iteration = 500             #聚類最大迴圈數

    #讀取資料並進行聚類分析
    data = pd.read_excel(inputfile) #讀取資料

    #呼叫k-means演算法，進行聚類分析
    kmodel = KMeans(n_clusters = k, n_jobs = 3, max_iter=iteration) #n_jobs是並行數，一般等於CPU數較好
    kmodel.fit(data) #訓練模型
    r1 = pd.Series(kmodel.labels_).value_counts()  #統計各個類別的數目
    r2 = pd.DataFrame(kmodel.cluster_centers_)     #找出聚類中心
    r = pd.concat([r2, r1], axis = 1) #橫向連線（0是縱向），得到聚類中心對應的類別下的數目
    r.columns = list(data.columns) + [u'類別數目'] #重命名錶頭
    print (r)

    r = pd.concat([data, pd.Series(kmodel.labels_, index = data.index)], axis = 1)  #詳細輸出每個樣本對應的類別
    r.columns = list(data.columns) + [u'聚類類別'] #重命名錶頭
    r.to_excel(outputfile) #儲存分類結果
    '''
    if False:
        def density_plot(data): #自定義作圖函式
            p = data.plot(kind='kde', linewidth = 2, subplots = True, sharex = False)
            [p[i].set_ylabel('density') for i in range(k)]
            plt.legend()
            return plt

        pic_output = 'E:/Work/python/' #概率密度圖檔名字首
        for i in range(k):
            print(u'%s%s.png' %(pic_output, i))
            if i > 1:
                density_plot(data[r[u'聚類類別']==i]).savefig(u'%s%s.png' %(pic_output, i))

if __name__ == "__main__2" :
    print("AgglomerativeClustering")
    for k in range(mink, maxk):  # k取值1~11，做kmeans聚類，看不同k值對應的簇內誤差平方和
        outputfile = 'E:/Work/python/fenlei%d.xlsx' % k
        # 讀取資料並進行聚類分析
        # 呼叫層次聚類演算法，進行聚類分析
        linkages = ['ward', 'average', 'complete']
        kmodel = AgglomerativeClustering(linkage=linkages[2],n_clusters = k, affinity='manhattan')

        kmodel.fit(data)  # 訓練模型
        r1 = pd.Series(kmodel.labels_).value_counts()  # 統計各個類別的數目
        print(r1)
        #r2 = pd.DataFrame(kmodel.cluster_centers_)  # 找出聚類中心

        kmlabels = kmodel.labels_
        r = pd.concat([data, pd.Series(kmlabels, index=data.index)], axis=1)  # 詳細輸出每個樣本對應的類別，橫向連線（0是縱向），得到聚類中心對應的類別下的數目
        r.columns = list(data.columns) + [u'聚類類別']  # 重命名錶頭
        #print(outputfile)
        r.to_excel(outputfile)  # 儲存分類結果

        if mink >= maxk - 1:
            x = []
            y = []
            for i in range(0, len(r1)):
                x.append([])
                y.append([])

            for i in range(0, len(kmlabels)):
                labelnum = kmlabels[i]
                if labelnum >= 0:
                    x[labelnum].append(newData[i][0])
                    y[labelnum].append(newData[i][1])
            # blue,green,red,cyan,magenta,yellow,black,white
            for i in range(0, len(r1)):
                plt.plot(x[i], y[i], pltcolor[i])
            plt.show()

if __name__ == "__main__3" :
    print("DBSCAN")

    outputfile = 'E:/Work/python/fenlei_DBSCAN.xlsx'
    # 讀取資料並進行聚類分析
    # 呼叫DBSCAN演算法，進行聚類分析
    linkages = ['ward', 'average', 'complete']

    #From scikit-learn: ['cityblock', 'cosine', 'euclidean', 'l1', 'l2', 'manhattan']. These metrics support sparse matrix inputs.
    #From scipy.spatial.distance: ['braycurtis', 'canberra', 'chebyshev', 'correlation', 'dice', 'hamming', 'jaccard', 'kulsinski', 'mahalanobis', 'matching', 'minkowski', 'rogerstanimoto', 'russellrao', 'seuclidean', 'sokalmichener', 'sokalsneath', 'sqeuclidean', 'yule']
    kmodel = DBSCAN(eps= 0.768, min_samples=160, n_jobs=7, metric='euclidean')
    # kmodel = DBSCAN(eps=0.64, min_samples=100, n_jobs=7, metric='canberra')

    kmodel.fit(data)  # 訓練模型
    r1 = pd.Series(kmodel.labels_).value_counts()  # 統計各個類別的數目
    print(r1)
    # r2 = pd.DataFrame(kmodel.cluster_centers_)  # 找出聚類中心

    kmlabels = kmodel.labels_
    r = pd.concat([data, pd.Series(kmlabels, index=data.index)], axis=1)  # 詳細輸出每個樣本對應的類別， 橫向連線（0是縱向），得到聚類中心對應的類別下的數目
    r.columns = list(data.columns) + [u'聚類類別']  # 重命名錶頭
    print(outputfile)
    r.to_excel(outputfile)  # 儲存分類結果

    rlen = len(r1)
    if (rlen <= 6):
        x = []
        y = []
        for i in range(0, len(r1) + 1):
            x.append([])
            y.append([])
        for i in range(0, len(kmlabels)):
            labelnum = kmlabels[i] + 1
            if labelnum >= 0:
                x[labelnum].append(newData[i][0])
                y[labelnum].append(newData[i][1])
        # blue,green,red,cyan,magenta,yellow,black,white
        for i in range(0, len(r1) + 1):
            plt.plot(x[i], y[i], pltcolor[i])
        plt.show()

第三步

可以執行看一下效果，下圖是使用K-means聚類出來的效果，K值設為4：

然後你可以去看輸出檔案分出的類別，可以嘗試改變K值，直接改minK和maxK 的值就可以了。