Woche 9 | Session 3: K-means Clustering — Python Implementierung (Google Colab)

Kurs: Supply Chain Digitalisierung — Modul 3: Analytics im SCM

Session-Agenda

1. Kontext & Session-Ziel

Vorherige Sessions: Konzept — was K-means ist, wie der Algorithmus funktioniert, WCSS, Elbow-Methode.
Diese Session: Implementierung — Python-Code in Google Colab schreiben, den Cluster-Output reproduzieren.
Datensatz: customer_location.csv — 811 Zeilen, 3 Spalten (Seriennummer, Breiten-, Längengrad).

2. Verwendete Bibliotheken

Bibliothek / Alias	Zweck
pandas (pd)	Datenmanipulation und -analyse — CSV lesen, DataFrames erstellen.
numpy (np)	Numerical Python — mathematische und logische Operationen auf Arrays.
matplotlib.pyplot (plt)	Plotting-Bibliothek — Liniendiagramme, Streudiagramme (Scatter Plots).
seaborn (sn)	High-Level-Visualisierung — attraktive Cluster-Plots mit Farbcodierung.
sklearn.cluster.KMeans	K-means-Implementierung — Cluster fitten, Labels & Zentroide extrahieren.

3. Vollständige Pipeline — 8 Schritte

Daten importieren: Laden von customer_location.csv mittels Pandas.
Rohdaten plotten: Visualisierung aller 811 Punkte in einem Lat/Long-Streudiagramm (seaborn).
Features auswählen: Seriennummer-Spalte entfernen — nur Lat & Long behalten.
Optimales K finden: Schleife K=1 bis 9, WCSS berechnen, Elbow-Diagramm zeichnen.
Cluster bilden: KMeans(n_clusters=4).fit() ausführen. IDs zuweisen.
Cluster plotten: Farbcodiertes Streudiagramm.
Zentroide ermitteln: cluster_centers_ (vorgeschlagene DC-Standorte) extrahieren.
Zentroide plotten: Markierungen (‘x’) über das Cluster-Diagramm legen.

4. Schritt-für-Schritt Code & Erklärung

Schritt 1 — Daten importieren

import pandas as pd
df = pd.read_csv('customer_location.csv')
df.head()

Schritt 2 — Rohdaten plotten

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sn

sn.lmplot(x='latitude', y='longitude', data=df, fit_reg=False, height=4)
plt.title('Kundenstandorte')
plt.show()

Schritt 3 — Features auswählen

Irrelevante Spalten entfernen.

new_df = df[['latitude', 'longitude']]

Schritt 4 — Optimales K finden (Elbow-Diagramm)

from sklearn.cluster import KMeans

cluster_range = range(1, 10)      # K = 1 bis 9
cluster_errors = []               # leere Liste für WCSS-Werte

for num_clusters in cluster_range:
    clusters = KMeans(num_clusters)
    clusters.fit(new_df)
    cluster_errors.append(clusters.inertia_)  # inertia_ = WCSS

plt.figure(figsize=(6, 4))
plt.plot(cluster_range, cluster_errors, marker='o')
plt.title('Elbow-Diagramm')
plt.xlabel('Anzahl der Cluster')
plt.ylabel('Summe der Fehlerquadrate (WCSS)')
plt.show()

Schritt 5 — Cluster bilden (K = 4)

clusters_new = KMeans(4)          # K = 4 setzen
clusters_new.fit(new_df)

# Cluster-ID als neue Spalte hinzufügen
new_df.insert(loc=2, column='cluster_id', value=clusters_new.labels_)

Schritt 6 — Cluster plotten

sn.lmplot(x='latitude', y='longitude', data=new_df,
          hue='cluster_id', fit_reg=False, height=4)
plt.show()

Schritt 7 — Zentroid-Koordinaten extrahieren

centers = np.array(clusters_new.cluster_centers_)
print(centers)
# Output-Beispiel:
# Cluster 0:  [27.68,  80.90]

Schritt 8 — Zentroide auf Cluster-Karte plotten

sn.lmplot(x='latitude', y='longitude', data=new_df,
          hue='cluster_id', fit_reg=False, height=4)

plt.scatter(centers[:, 0], centers[:, 1], marker='x', s=100, c='black')
plt.show()

5. Finaler Output — Zentroid (DC) Standorte

Nach Ausführung des Codes liefert K-means 4 Zentroide — die vorgeschlagenen DC-Standorte:

Cluster ID	Zentroid Lat	Zentroid Long	Vorgeschlagenes DC bedient…
0	27.68	80.90	Blaue Cluster-Kunden
1	27.42	81.15	Orangefarbene Cluster-Kunden
2	27.31	80.83	Grüne Cluster-Kunden
3	27.56	80.57	Rote Cluster-Kunden

Zusammenfassung der Session

Pipeline: Import → Rohdaten plotten → Features wählen → Elbow-Diagramm → Fit K=4 → Cluster plotten → Zentroide extrahieren → Zentroide plotten.
Wichtigster Output: 4 Zentroid-Koordinaten = vorgeschlagene DC-Standorte; 811 Cluster-IDs = Kunden-DC-Zuweisung.
Tool: Google Colab.