基于人员访楼数据的聚类分析及可视化工具需求

嘿，这个需求核心就是按人员的唯一建筑访问集合来分组对吧？我给你梳理两个最靠谱的实现路径，还有能搞定可视化的工具，之前Knime没成功可能是没找对节点组合，咱们换个思路来：

先明确下你的数据场景：每行记录是“人员X访问了建筑Y”，示例数据如下（实际有千余行）：

PERSON1 BUILDING1 PERSON2 BUILDING4 PERSON3 BUILDING4 PERSON5 BUILDING3 PERSON3 BUILDING2 PERSON3 BUILDING1 PERSON5 BUILDING6 PERSON4 BUILDING6

需要聚类规则：仅访问同一栋建筑的为一类，仅访问建筑1&2的为一类，仅访问建筑3&4的为一类，仅访问同一组3栋建筑的为一类，以此类推。

一、最优实现方式 #

1. Python 实现（灵活易扩展，自定义性强） #

这是我最推荐的方案，用pandas就能快速搞定，步骤清晰：

• 第一步：整理原始数据
  先把你那种一行多个人员-建筑对的格式，拆成每行一条记录，转换成DataFrame：

  import pandas as pd
  
  # 假设数据存在文本文件里，读取并拆分
  with open('your_data.txt', 'r') as f:
      raw_data = f.read().split()
  # 两两分组生成人员-建筑记录
  records = [(raw_data[i], raw_data[i+1]) for i in range(0, len(raw_data), 2)]
  df = pd.DataFrame(records, columns=['Person', 'Building'])
  

• 第二步：生成唯一的建筑组合标识
  关键是要让BUILDING1&BUILDING2和BUILDING2&BUILDING1归为同一类，所以要先对每个人员的建筑去重、排序，再拼接成字符串作为组合键：

  # 按人员分组，获取去重并排序的建筑列表，转为字符串键
  person_building_groups = df.groupby('Person')['Building'].agg(lambda x: sorted(set(x))).reset_index()
  person_building_groups['Building_Combination'] = person_building_groups['Building'].apply(lambda x: '&'.join(x))
  

• 第三步：按组合聚类
  最后按建筑组合分组，就能得到每个聚类对应的人员列表：

  clusters = person_building_groups.groupby('Building_Combination')['Person'].agg(list).reset_index()
  # 给聚类编号
  clusters['Cluster_ID'] = clusters.index + 1
  # 查看结果
  print(clusters)
  

运行完就能得到完美符合你需求的聚类结果，后续还能灵活调整规则。

2. SQL 实现（适合数据库存储的数据） #

如果你的数据存在数据库里，直接用SQL就能在端上处理，以MySQL为例：

• 先确保数据是每行一条Person-Building记录（如果原始数据是一行多个对，MySQL可以用递归CTE拆分）；
• 生成每个人员的建筑组合键：

  SELECT 
      Person,
      GROUP_CONCAT(DISTINCT Building ORDER BY Building SEPARATOR '&') AS Building_Combination
  FROM your_table
  GROUP BY Person;
  

• 按组合分组得到最终聚类：

  SELECT 
      CONCAT('Cluster ', ROW_NUMBER() OVER (ORDER BY Building_Combination)) AS Cluster_Name,
      Building_Combination,
      GROUP_CONCAT(Person SEPARATOR ', ') AS Persons_In_Cluster
  FROM (
      SELECT 
          Person,
          GROUP_CONCAT(DISTINCT Building ORDER BY Building SEPARATOR '&') AS Building_Combination
      FROM your_table
      GROUP BY Person
  ) AS person_combinations
  GROUP BY Building_Combination;
  

直接在数据库里就能导出聚类结果，不用导出到其他工具。

二、带可视化功能的工具推荐 #

1. Python + Plotly/Seaborn（代码式可视化，交互性强） #

用上面的Python处理完数据后，直接用可视化库做图，比如用Plotly做交互式柱状图，能直观看到每个聚类的人员数量：

import plotly.express as px

# 统计每个聚类的人员数量
clusters['Person_Count'] = clusters['Person'].apply(len)
# 生成交互式柱状图
fig = px.bar(clusters, x='Cluster_ID', y='Person_Count', 
             color='Building_Combination',
             hover_data=['Building_Combination', 'Person'],
             title='人员访问建筑组合聚类分布')
fig.show()

也可以用Seaborn做热力图展示建筑组合关联，或者用网络图展示人员-建筑的关系，灵活性拉满。

2. Tableau/Power BI（无代码拖拽，适合非技术用户） #

这两个工具绝对是可视化神器，完全不用写代码：

• 步骤：把Person-Building数据导入工具，创建计算字段生成Building_Combination（按人员分组，去重排序后拼接），然后按这个字段分组，自动形成聚类；
• 可视化：拖拽就能生成柱状图、树状图（展示不同组合的占比）、Sankey图（展示人员-建筑-聚类的流向），操作超直观，比Knime上手快多了。

3. Excel（轻量需求首选） #

如果数据量不大，Excel也能搞定：

• 用「数据透视表」按人员分组，获取每个人员的所有建筑；
• 用TEXTJOIN结合排序函数生成排序后的建筑组合；
• 再按组合分组，用柱状图或饼图展示聚类分布，轻量又方便。

内容的提问来源于stack exchange，提问作者Learthgz