提到聚类算法，K-Means算是略懂数据分析的人都知道的一种。但K-Means也有其局限性，基本只能处理数值型聚类。而且按距离进行聚类而非密度，无法处理环形图样。实际在使用聚类算法时，还有很多技巧性问题。 聚类算法需要各变量间相关性较低，可以采用DataFrame的corr()函数进行相关性计算。另外，聚类的变量要区分离散值和非离散值。对于非离散变量，需要进行标准化或归一化；对于离散变量，可以转换为虚拟变量，并采用{0, 1}编码。建议采用min-max标准化，这样和虚拟变量保持相同的相同范围。 对于包含非离散变量和虚拟变量的数据集（通常情况），建议采用K-Prototype而非K-Means算法进行聚类。在使用时可以标记相关虚拟变量，确保区别处理（实际虚拟变量采用K-Modes，非离散变量采用K-Means，再基于权重a进行结果合并）。 KPrototypes(n_clusters=np).fit(df.values, categorical=[1, 2]) 其中的1, 2代表df数据集中的第1, 2列（从0计数）。评估聚类算法可以基于轮廓系数，对比不同的K值，在业务允许范围内得到最佳K值。建议的轮廓系数函数是silhouette_score，其最大值为1，越接近1越好，可以在不同算法情况下进行相对比较。 除轮廓系数外，还可以降维绘制散点图（通过TSNE降维），按聚类算法分类对散点进行着色，进而直观的进行聚类算法分类结果的判断。 TSNE(n_components=2) 总结来说，整个聚类算法数据分析的操作步骤如下： 1. 构建低相关性变量数据集（通过给高相关性变量设置固定值）； 2. 对非离散变量进行min-max归一化操作； 3. 对包含虚拟变量的数据集采用K-Prototype聚类算法，对只包含非离散变量的数据集采用K-Means算法； 4. 通过轮廓系数silhouette_score对K值进行循环测试，得到最佳K值； 5. 通过TSNE将数据集降维为两维显著特征值，并通过散点图，配合聚类算法分类结果配色对聚类算法分类结果进行合理判断； 6. 对聚类算法分类结果，结合业务逻辑进行解释，确保分类结果支撑业务分析。