from sklearn.cluster import KMeans

# 创建 KMeans 模型
kmeans = KMeans(
    n_clusters=3,           # 簇的数量 K
    init='k-means++',       # 初始化方法: 'k-means++', 'random', 或 ndarray
    n_init=10,              # 不同初始化运行次数，取最优
    max_iter=300,           # 最大迭代次数
    random_state=42,        # 随机种子
    algorithm='lloyd'       # 算法: 'lloyd', 'elkan'
)

# 训练模型（拟合数据）
kmeans.fit(X)

# 或一步完成拟合和预测
labels = kmeans.fit_predict(X)

# 预测新数据所属的簇
new_labels = kmeans.predict(X_new)

# 获取属性
centers = kmeans.cluster_centers_   # 簇中心坐标
inertia = kmeans.inertia_           # WCSS 值
n_iter = kmeans.n_iter_             # 实际迭代次数
labels = kmeans.labels_             # 每个样本的簇标签

# 评估
from sklearn.metrics import silhouette_score
score = silhouette_score(X, labels)  # 轮廓系数

from sklearn.decomposition import PCA

# 创建 PCA 模型
pca = PCA(
    n_components=2,          # 保留的主成分数量
    copy=True,               # 是否复制数据
    whiten=False,            # 是否白化（归一化特征值）
    svd_solver='auto',       # SVD 求解器: 'auto', 'full', 'arpack', 'randomized'
    random_state=42
)

# 拟合并转换数据
X_pca = pca.fit_transform(X)

# 或分步操作
pca.fit(X)
X_pca = pca.transform(X)

# 获取属性
components = pca.components_        # 主成分方向（特征向量）
explained_var = pca.explained_variance_         # 各主成分的方差
explained_ratio = pca.explained_variance_ratio_ # 方差解释比例
cumsum = pca.explained_variance_ratio_.cumsum() # 累积方差比例

# 反向转换（从降维空间回到原始空间）
X_inverse = pca.inverse_transform(X_pca)

# 选择使累积方差达到阈值的 n_components
from sklearn.decomposition import PCA
pca = PCA(n_components=0.95)  # 保留 95% 的方差

"""
客户分群实战 - 基于 K-Means 和 PCA 的客户细分
"""
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.decomposition import PCA
from sklearn.preprocessing import StandardScaler
from sklearn.metrics import silhouette_score

# ========== 1. 生成模拟客户数据 ==========
np.random.seed(42)
n_customers = 500

# 生成 4 类客户
# 客户类型1: 年轻高收入高消费
group1 = np.random.randn(125, 4) * [5, 20, 2, 500] + [28, 80, 8, 2000]
# 客户类型2: 中年中收入中消费
group2 = np.random.randn(125, 4) * [8, 15, 3, 300] + [45, 50, 5, 1000]
# 客户类型3: 年轻低收入低消费
group3 = np.random.randn(125, 4) * [5, 10, 2, 200] + [25, 30, 3, 500]
# 客户类型4: 高龄高收入高消费
group4 = np.random.randn(125, 4) * [3, 25, 2, 400] + [58, 70, 6, 1500]

data = np.vstack([group1, group2, group3, group4])
np.random.shuffle(data)

df = pd.DataFrame(data, columns=['年龄', '年收入(万)', '月消费频次', '平均消费金额'])
print("=== 数据概览 ===")
print(df.describe().round(2))
print(f"\n数据维度: {df.shape}")

# ========== 2. 数据标准化 ==========
scaler = StandardScaler()
X_scaled = scaler.fit_transform(df)

# ========== 3. 肘部法则选择最佳 K ==========
inertias = []
silhouette_scores = []
K_range = range(2, 11)

for k in K_range:
    kmeans = KMeans(n_clusters=k, random_state=42, n_init=10)
    labels = kmeans.fit_predict(X_scaled)
    inertias.append(kmeans.inertia_)
    silhouette_scores.append(silhouette_score(X_scaled, labels))
    print(f"K={k}: Inertia={kmeans.inertia_:.2f}, Silhouette={silhouette_scores[-1]:.4f}")

# 绘制肘部法则图
fig, axes = plt.subplots(1, 2, figsize=(14, 5))

axes[0].plot(K_range, inertias, 'bo-', linewidth=2, markersize=8)
axes[0].set_xlabel('K 值', fontsize=12)
axes[0].set_ylabel('WCSS (簇内平方和)', fontsize=12)
axes[0].set_title('肘部法则', fontsize=14)
axes[0].grid(True, alpha=0.3)

axes[1].plot(K_range, silhouette_scores, 'rs-', linewidth=2, markersize=8)
axes[1].set_xlabel('K 值', fontsize=12)
axes[1].set_ylabel('轮廓系数', fontsize=12)
axes[1].set_title('轮廓系数法', fontsize=14)
axes[1].grid(True, alpha=0.3)

plt.tight_layout()
plt.savefig('elbow_method.png', dpi=150, bbox_inches='tight')
plt.close()
print("\n已保存肘部法则图: elbow_method.png")

# ========== 4. 训练 K-Means 模型（K=4） ==========
best_k = 4
kmeans = KMeans(n_clusters=best_k, random_state=42, n_init=10)
df['客户分群'] = kmeans.fit_predict(X_scaled)

print(f"\n=== K-Means 聚类结果 (K={best_k}) ===")
print(f"轮廓系数: {silhouette_score(X_scaled, df['客户分群']):.4f}")
print(f"\n各簇客户数量:")
print(df['客户分群'].value_counts().sort_index())

# ========== 5. PCA 降维可视化 ==========
pca = PCA(n_components=2)
X_pca = pca.fit_transform(X_scaled)

print(f"\n=== PCA 降维结果 ===")
print(f"第一主成分方差解释比例: {pca.explained_variance_ratio_[0]:.4f}")
print(f"第二主成分方差解释比例: {pca.explained_variance_ratio_[1]:.4f}")
print(f"累积方差解释比例: {pca.explained_variance_ratio_.sum():.4f}")

# 可视化
fig, axes = plt.subplots(1, 2, figsize=(16, 6))

# 左图：按聚类结果着色
colors = ['#FF6B6B', '#4ECDC4', '#45B7D1', '#96CEB4']
for i in range(best_k):
    mask = df['客户分群'] == i
    axes[0].scatter(X_pca[mask, 0], X_pca[mask, 1], 
                   c=colors[i], label=f'客户群 {i}', alpha=0.6, s=50, edgecolors='white')

axes[0].scatter(pca.transform(scaler.transform(kmeans.cluster_centers_))[:, 0],
               pca.transform(scaler.transform(kmeans.cluster_centers_))[:, 1],
               c='black', marker='X', s=200, label='簇中心', zorder=5)
axes[0].set_xlabel('第一主成分', fontsize=12)
axes[0].set_ylabel('第二主成分', fontsize=12)
axes[0].set_title('K-Means 客户分群结果 (PCA 降维)', fontsize=14)
axes[0].legend(fontsize=10)
axes[0].grid(True, alpha=0.3)

# 右图：各簇特征分析
cluster_stats = df.groupby('客户分群').mean()
cluster_stats.plot(kind='bar', ax=axes[1], width=0.8)
axes[1].set_title('各客户群特征对比', fontsize=14)
axes[1].set_xlabel('客户群', fontsize=12)
axes[1].set_ylabel('平均值', fontsize=12)
axes[1].legend(fontsize=9)
axes[1].grid(True, alpha=0.3, axis='y')

plt.tight_layout()
plt.savefig('customer_segmentation.png', dpi=150, bbox_inches='tight')
plt.close()
print("\n已保存分群结果图: customer_segmentation.png")

# ========== 6. 客户群分析报告 ==========
print("\n" + "=" * 60)
print("          客户分群分析报告")
print("=" * 60)

for i in range(best_k):
    cluster_data = df[df['客户分群'] == i]
    print(f"\n📊 客户群 {i} (共 {len(cluster_data)} 人)")
    print(f"   年龄: {cluster_data['年龄'].mean():.1f} ± {cluster_data['年龄'].std():.1f}")
    print(f"   年收入: {cluster_data['年收入(万)'].mean():.1f} ± {cluster_data['年收入(万)'].std():.1f} 万")
    print(f"   月消费频次: {cluster_data['月消费频次'].mean():.1f} ± {cluster_data['月消费频次'].std():.1f}")
    print(f"   平均消费金额: {cluster_data['平均消费金额'].mean():.0f} ± {cluster_data['平均消费金额'].std():.0f}")

print("\n" + "=" * 60)