import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

data = pd.read_csv('tutors.csv', index_col=0)
data = data.dropna()
features = ['Price', 'Score', 'Reviews_number', 'Experience']
X = data[features].values

# метод K-means
kmeans = KMeans(n_clusters=3)
kmeans.fit(X)

# получение меток кластеров
labels = kmeans.labels_
data['Cluster'] = labels

# получение центров кластеров
cluster_centers = kmeans.cluster_centers_

# подсчет значений в каждом кластере
cluster_counts = data['Cluster'].value_counts()

for cluster in sorted(data['Cluster'].unique()):
    cluster_data = data[data['Cluster'] == cluster]
    print(f"-----Cluster № {cluster + 1} -----")
    print(f"Number of tutors: {cluster_counts[cluster]}")
    print("Cluster centers:")
    for f, c in zip(features, cluster_centers[cluster]):
        print(f"{f} - {c:.2f}")
    print()

# оценка качества с помощью коэффициента силуэта
silhouette = silhouette_score(X, labels)
print(f"Коэффициент силуэта: {silhouette:.2f}")

# отображение результатов на графике
plt.scatter(data['Score'], data['Price'], c=labels)
plt.scatter(cluster_centers[:, 1], cluster_centers[:, 0], marker='x', color='red')
plt.xlabel('Score')
plt.ylabel('Price')
plt.title('K-means clustering')
plt.show()