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

''' Названия столбцов набора данных и их описание:
Id: Уникальный идентификатор для каждого автомобиля в списке.
Price: Ценовой диапазон автомобилей с конкретными ценниками и подсчетами. (111000 - 77500000)
Company Name: Название компании-производителя автомобилей с указанием процентной доли представительства каждой компании.
Model Name: Название модели автомобилей с указанием процентного соотношения каждой модели.
Model Year: Диапазон лет выпуска автомобилей с указанием количества и процентных соотношений. (1990 - 2019)
Location: Местоположение автомобилей с указанием регионов, где они доступны для покупки, а также их процентное соотношение.
Mileage: Информация о пробеге автомобилей с указанием диапазонов пробега, количества и процентов. (1 - 999999)
Engine Type: Описания типов двигателей с процентными соотношениями для каждого типа.
Engine Capacity: Мощность двигателя варьируется в зависимости от количества и процентов. (16 - 6600)
Color: Цветовое распределение автомобилей с указанием процентных соотношений для каждого цвета.
'''


# Загрузите данные из вашей курсовой работы, предположим, что у вас есть файл CSV.
data = pd.read_csv('Data_pakwheels.csv')
data.pop("Id")

data.dropna(inplace=True)  # Удаление строки с пропущенными значениями.

# Преобразуйте категориальные признаки в числовые. Используйте, например, one-hot encoding.
# data = pd.get_dummies(data, columns=['Company Name', 'Model Name', 'Location', 'Engine Type', 'Color'])

# Создайте объект LabelEncoder
label_encoder = LabelEncoder()

data['Location'] = label_encoder.fit_transform(data['Location'])
data['Company Name'] = label_encoder.fit_transform(data['Company Name'])
data['Model Name'] = label_encoder.fit_transform(data['Model Name'])
data['Engine Type'] = label_encoder.fit_transform(data['Engine Type'])
data['Color'] = label_encoder.fit_transform(data['Color'])
data['Assembly'] = label_encoder.fit_transform(data['Assembly'])
data['Body Type'] = label_encoder.fit_transform(data['Body Type'])
data['Transmission Type'] = label_encoder.fit_transform(data['Transmission Type'])
data['Registration Status'] = label_encoder.fit_transform(data['Registration Status'])

# Выбор признаков для кластеризации
features = ['Price', 'Model Year', 'Mileage', 'Engine Capacity']

# Выбор числа кластеров с использованием метода локтя
inertia = []
for n_clusters in range(1, 11):
    kmeans = KMeans(n_clusters=n_clusters, random_state=42)
    kmeans.fit(data[features])
    inertia.append(kmeans.inertia_)

# Визуализация метода локтя
plt.plot(range(1, 11), inertia, marker='o')
plt.xlabel('Number of clusters')
plt.ylabel('Inertia')
plt.title('Elbow Method for Optimal k')
plt.show()

# Выбор оптимального числа кластеров (пример, если "локоть" находится при k=3)
optimal_clusters = 5

# Применение K-means
kmeans = KMeans(n_clusters=optimal_clusters, random_state=42)
data['Cluster'] = kmeans.fit_predict(data[features])

# получение меток кластеров
labels = kmeans.labels_
data['Cluster'] = labels
# оценка качества с помощью коэффициента силуэта
silhouette = silhouette_score(data[features].values, labels)
print(f"Коэффициент силуэта: {silhouette:.2f}")

# Интерпретация результатов
for cluster_num in range(optimal_clusters):
    cluster_data = data[data['Cluster'] == cluster_num]
    print(f"\nCluster {cluster_num + 1} characteristics:")
    print(cluster_data[features].describe())

# Дополнительная визуализация, например, по двум признакам
plt.scatter(data['Price'], data['Mileage'], c=data['Cluster'], cmap='viridis')
plt.xlabel('Price')
plt.ylabel('Mileage')
plt.title('Clustering Results')
plt.show()

# получение меток кластеров
labels = kmeans.labels_
data['Cluster'] = labels
# оценка качества с помощью коэффициента силуэта
silhouette = silhouette_score(data[features].values, labels)
print(f"Коэффициент силуэта: {silhouette:.2f}")