一、問題概述
手機用戶在使用短信、通話等業務、開關機、位置更新等的時候均產生定位數據，每條定位數據均包含了手機用戶所處基站的編號、時間和唯一標識用戶的EMASI號等。
將每個基站覆蓋區域視為一個商圈，通過歸納基站覆蓋區域的人流量和人均停留時間等特征，即可划分出不同類別的商圈。然后挑選出高價值商圈，並結合商圈用戶活動特點，有針對性開展促銷等活動。
現在共有431名用戶的定位信息（Excel格式），包含用戶編號以及如下考查指標：
1.人均流量：反應商圈的大致用戶密度
2.工作日上班時段人均停留時間：用以識別上班人群集中的商圈
3.凌晨人均停留時間：用以識別住宅區居民集中的商圈
4.周末人均停留時間：用以識別周末時段人群集中的商圈
分析主要分兩步，首先用tableau進行可視化分析，了解各基站（商圈）的大致情況；然后通過機器學習，采用聚類算法，對各商圈進行進一步的標識。
二、初步分析
從以下圖中，可以看到各商圈的日均人流量和各時段的停留時間情況。其中在人均停留時間的三張圖中，均有明顯的斷層現象，我們可以初步判定，斷層處即為商圈的類別划分點，斷層左邊的商圈表示該時段人均停留時間長，右邊表示停留時間短。
三、聚類分析
由於各個屬性之間的數量級相差較大，在進行聚類前，需要進行離差標准化處理，即將各屬性數據按比例縮放到一定范圍,得到建模數據。
代碼如下:
import pandas as pd
import sklearn.preprocessing as prc
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] # 用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus']=False # 用來正常顯示負號
data=pd.read_excel("../data/business_circle.xls") # 讀取數據
pm=prc.MinMaxScaler()
data_rd=pm.fit_transform(data.ix[:,1:]) # 數據標准化
data_rd= pd.DataFrame(data_rd,columns=data.columns[1:]) # 標准化后的數據重新轉為df格式
采用層次聚類算法對建模數據進行聚類，畫出譜系聚類圖 。聚類類別數取3 ，根據聚類結果，輸出聚類結果存入excel，並繪制各類別的四個特征折線圖。
代碼如下：
import pandas as pd
import sklearn.preprocessing as prc
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif']=['SimHei'] # 用來正常顯示中文標簽
plt.rcParams['axes.unicode_minus']=False # 用來正常顯示負號
data=pd.read_excel("../data/business_circle.xls") # 讀取數據
pm=prc.MinMaxScaler()
data_rd=pm.fit_transform(data.ix[:,1:]) # 數據標准化
data_rd=pd.DataFrame(data_rd,columns=data.columns[1:]) # 標准化后的數據重新轉為df格式
# print(data_rd)
from scipy.cluster.hierarchy import linkage,dendrogram # 導入scipy的層次聚類函數
Z=linkage(data_rd,method="ward",metric="euclidean") # 譜系聚類圖
P=dendrogram(Z,0) # 畫譜系聚類圖
# plt.show()
from sklearn.cluster import AgglomerativeClustering # 導入sklearn的層次聚類函數
model = AgglomerativeClustering(n_clusters = 3, linkage = 'ward') # 設置參數，建立模型
model.fit(data_rd) # 訓練模型
r= pd.concat([data_rd,pd.Series(model.labels_,index = data_rd.index)],axis = 1) # 詳細輸出每個樣本對應的類別
r.columns = list(data_rd.columns) + [u'聚類類別'] # 重命名表頭
style = ['ro-', 'go-', 'bo-']
xlabels = [u'工作日上班時間人均停留時間', u'凌晨人均停留時間', u'周末人均停留時間', u'日均人流量']
pic_output = '../result/picture/type_' # 聚類圖片文件名前綴
for i in range(3): # 逐一作圖，作出不同樣式
plt.figure()
tmp = r[r[u'聚類類別'] == i].ix[:, :4] # 提取每一類,用於繪制折線圖
data_rs=r[r[u'聚類類別'] == i].ix[:,:] # 提取每一類，包含類別號
data_rs=pd.merge(data,data_rs,how="outer", \
on=[u'工作日上班時間人均停留時間', u'凌晨人均停留時間', u'周末人均停留時間', u'日均人流量'], \
) # 加上基站編號，再用於輸出
data_rs["聚類類別"] = i + 1
data_rs.to_excel("../result/data"+str(i+1)+".xls") # 每一類保存為一個單獨excel文件
for j in range(len(tmp)):
plt.plot(range(1, 5), tmp.iloc[j], style[i])
plt.xticks(range(1, 5), xlabels, rotation=20) # 坐標標簽
plt.title(u'商圈類別%s' % (i + 1)) # 商圈類別名稱，從1開始編號
plt.subplots_adjust(bottom=0.15) # 調整底部
plt.savefig(u'%s%s.png' % (pic_output, i)) # 保存圖片
譜系聚類圖：
從以上三張圖來看
類別2凌晨和周末人均停留時間較長，工作日人均停留時間短，日均人流量小，可以認為是住宅區域。
類別3工作日人均停留時間長，凌晨和周末人均停留時間較短，人流量偏小，可以認為是工作區域。
以上兩類區域，如果開展促銷活動，可以考慮采取一些針對居民和上班族特點的方式。
類別1在3個時段人均停留時間均不長，但人流量最大，我們認為這類人群相對於住宅區居民和上班人士，往往會對促銷之類活動更有興趣，因此，該類商圈是最宜進行促銷的。在輸出的結果文件中找到該類的基站編號，即能確定具體的活動地點。