# (1)    处理某 App 用户信息数据集。

# 1. 使用 Pandas 库读取 “某 APP 用户信息数据.csv” 数据集。

import pandas as pd

user = pd.read_csv(r'F:\3.homework\大三下\数据分析\实验数据data\某APP用户信息数据.csv',encoding='gbk')

# 2. 将不愿分享概率与愿意分享概率特征中的缺失值用 0.0 替换。

user['不愿分享概率'] = user['不愿分享概率'].fillna(0.0)

user['愿意分享概率'] = user['愿意分享概率'].fillna(0.0)

# 3. 将不愿分享概率与愿意分享概率特征中负值赋值为 0, 并将大于 1 的值改为 1。

user['不愿分享概率'][user['不愿分享概率'] < 0] = 0

user['不愿分享概率'][user['不愿分享概率'] > 0] = 1

user['愿意分享概率'][user['愿意分享概率'] < 0] = 0

user['愿意分享概率'][user['愿意分享概率'] > 0] = 1

# 4. 将是否点击分享特征中的 T 重新赋值为 1, 将 F 重新赋值为 0。

user['是否点击分享'][user['是否点击分享'] == 'T'] = 1

user['是否点击分享'][user['是否点击分享'] == 'F'] = 0

# (2) 构建与用户使用信息相关的特征。

user_clean = user

# 1. 自定义 to_code 函数，用于对用户名特征首字母进行编码。

coding = {}

for i in range(26):

    coding[chr(ord('a') + i)] = i

def to_code(s):

    code = 0

    s = s.lower()[0] # 名字全部小写

    if  s in coding.keys():

        code = coding[s]

    return code

# 2. 对在线时长特征进行分段处理后生成分段在线时长新特征。

user_clean['分组后在线时长'] = pd.qcut(user['在线时长'], 4, labels=[4, 3, 2, 1])

# 3. 使用 apply 方法构建首字母编码新特征。

user_clean['用户编码'] = user_clean['用户名'].apply(lambda x: to_code(x))

# (3) 构建 K-Means 聚类模型。

user_feature = user_clean

from sklearn.cluster import KMeans

from sklearn.metrics import fowlkes_mallows_score

# 1. 读取构建新特征后的数据集，区分标签和数据。

X=user_feature[['不愿分享概率', '愿意分享概率',"在线时长", "在线时长占比", "分组后在线时长"]]

y=user_feature['是否点击分享']

# 2. 构建 K-Means 模型，且聚类数为 2。

model=KMeans(n_clusters=2).fit(X)

# 3. 使用 FMI 评价法评价聚类模型性能。

print(fowlkes_mallows_score(y, model.labels_))

import pandas as pd

import  warnings

warnings.filterwarnings('ignore')

# 读取数据

size_data = pd.read_csv('../data/size_data.csv')

print(size_data.shape)  # 查看数据大小

# 删除缺失值

size_data.isnull().sum()  # 查看是否存在缺失值

size_data = size_data.dropna()  # 删除缺失值

size_data.isnull().sum()  # 查看缺失值是否删除成功

# 处理异常值

size_data_age = size_data[size_data['age'] > 18]  # 处理年龄异常值

size_data_weight = size_data_age[size_data_age['weight'] > 30]  # 处理体重异常值

size_data_weight = size_data_weight.reset_index(drop=True)  # 重新生成索引

size_data_end = size_data_weight

size_data_end['age'].min()  # 查看年龄异常值是否删除成功

size_data_end['weight'].min()  # 查看体重异常值是否删除成功

# 构建 BMI 特征 (体重 / 身高 **2)

size_data_end['BMI'] = size_data_end['weight'] / ((

    size_data_end['height'] / 100) ** 2)

# 自定义 BMI 段函数

def bmi_range(data):

    for i in range(len(data)):

        if data[i] < 18.5:

            data[i] = 0

        elif data[i] >= 18.5 and  data[i] < 24:

            data[i] = 1

        elif data[i] >= 24 and  data[i] < 28:

            data[i] = 2

        elif data[i] >= 28:

            data[i] = 3

# 创建 BMI 分段特征列

size_data_end['BMI_range'] = size_data_end['BMI']

bmi_range(size_data_end['BMI_range'])

from sklearn.model_selection import train_test_split

from sklearn.preprocessing import StandardScaler

# data 与 target 划分

size_target = size_data_end['size']

size_data = size_data_end.drop(['size'], axis=1)

# 训练集与测试集划分

size_data_train, size_data_test, size_target_train, size_target_test = \

train_test_split(size_data, size_target, test_size = 0.2, random_state = 22,shuffle=True,stratify=size_target)

from sklearn.metrics import confusion_matrix,precision_score,recall_score,f1_score

# 自定义评价函数

def test_pre(y_te,pred):

    print('混淆矩阵：\n', confusion_matrix(y_te, pred,labels=['S','M','L','XL']))# 混淆矩阵

    print('精确率：', precision_score(y_te,pred,average='macro'))  # 精确率

    print('召回率：', recall_score(y_te,pred,average='macro'))  # 召回率

    print('F1值：', f1_score(y_te,pred,average='macro')) # F1 值

# 数据标准化

stdScaler = StandardScaler().fit(size_data_train)

size_train_std = stdScaler.transform(size_data_train)

size_test_std = stdScaler.transform(size_data_test)

# 构建 SVM 模型

from sklearn.svm import SVC

svm = SVC().fit(size_train_std, size_target_train)

# 预测训练集结果

svc_pred = svm.predict(size_test_std)

print('SVM 模型预测结果：')

test_pre(size_target_test,svc_pred)

# 构建 决策树 模型

from sklearn.tree import DecisionTreeClassifier as DTC

dtc = DTC().fit(size_train_std, size_target_train)  # 训练模型

dtc_pred = dtc.predict(size_test_std)

# 评价模型

print('决策树 模型预测结果：')

test_pre(size_target_test,dtc_pred)

# 构建 随机森林 模型

from sklearn.ensemble import RandomForestClassifier as RFC

rfc = RFC().fit(size_train_std, size_target_train)  # 训练模型

rfc_pred = rfc.predict(size_test_std)

# 评价模型

print('随机森林 模型预测结果：')

test_pre(size_target_test,rfc_pred)