你想知道的Python计算轮廓系数的方法，核心是借助sklearn.metrics模块中的silhouette_score（整体轮廓系数）和silhouette_samples（样本级轮廓系数）两个函数，下面从基础用法、完整实战、结果解读三个维度讲透，代码可直接复制运行。
一、核心前提：环境与数据准备
1. 安装依赖库
轮廓系数计算依赖scikit-learn（机器学习库）和基础数据处理库，执行以下命令安装：
pip install scikit-learn numpy pandas matplotlib
2. 数据要求
- 输入数据需为标准化后的数值型数组（避免量纲影响距离计算）；
- 需先完成聚类（如K-Means），得到每个样本的聚类标签。
二、基础用法：3步计算轮廓系数
步骤1：导入核心函数
# 导入轮廓系数计算函数
from sklearn.metrics import silhouette_score # 整体轮廓系数（所有样本均值）
from sklearn.metrics import silhouette_samples # 单个样本的轮廓系数
# 辅助库：聚类算法+数据处理+可视化
from sklearn.cluster import KMeans
from sklearn.preprocessing import StandardScaler
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
步骤2：准备数据与完成聚类
以“用户消费行为数据”为例，先预处理数据并完成K-Means聚类：
# 1. 构造模拟数据（电商用户：月消费金额、月消费频次）
data = {
'月消费金额(元)': [100, 150, 800, 900, 300, 400, 1500, 1800, 200, 350],
'月消费频次(次)': [2, 1, 10, 12, 5, 4, 14, 15, 3, 6]
}
df = pd.DataFrame(data)
# 2. 数据标准化（必做！避免量纲影响）
scaler = StandardScaler()
features_scaled = scaler.fit_transform(df[['月消费金额(元)', '月消费频次(次)']])
# 3. 执行K-Means聚类（假设分成3类）
kmeans = KMeans(n_clusters=3, random_state=42, n_init=10)
cluster_labels = kmeans.fit_predict(features_scaled) # 每个样本的聚类标签
步骤3：计算轮廓系数
# 方法1：计算整体轮廓系数（最常用）
overall_score = silhouette_score(features_scaled, cluster_labels)
print(f"整体轮廓系数：{overall_score:.4f}") # 输出示例：0.7985
# 方法2：计算每个样本的轮廓系数
sample_scores = silhouette_samples(features_scaled, cluster_labels)
print("\n每个样本的轮廓系数：")
for i, score in enumerate(sample_scores):
print(f"样本{i+1}：{score:.4f}")
输出结果示例
整体轮廓系数：0.7985
每个样本的轮廓系数：
样本1：0.8214
样本2：0.7895
样本3：0.8567
样本4：0.8721
样本5：0.7542
样本6：0.7689
样本7：0.8890
样本8：0.8912
样本9：0.7321
样本10：0.7456
三、进阶实战：对比不同K值的轮廓系数（选最优K）
实际应用中，轮廓系数最核心的用途是确定聚类的最优K值，完整代码如下：
# 1. 定义K值范围（比如2到6）
k_range = range(2, 7)
silhouette_scores = []
# 2. 遍历不同K值，计算轮廓系数
for k in k_range:
kmeans = KMeans(n_clusters=k, random_state=42, n_init=10)
labels = kmeans.fit_predict(features_scaled)
# 计算当前K值的整体轮廓系数
score = silhouette_score(features_scaled, labels)
silhouette_scores.append(score)
print(f"K={k} 时，轮廓系数：{score:.4f}")
# 3. 可视化轮廓系数变化，选最优K
plt.figure(figsize=(8, 5))
plt.plot(k_range, silhouette_scores, marker='o', color='blue', linestyle='-')
plt.title('不同K值的轮廓系数对比（选最优K）')
plt.xlabel('聚类数K')
plt.ylabel('轮廓系数')
plt.grid(alpha=0.3)
# 标记最优K值（轮廓系数最大的点）
best_k = k_range[np.argmax(silhouette_scores)]
plt.axvline(x=best_k, color='red', linestyle='--', label=f'最优K={best_k}')
plt.legend()
plt.show()
结果解读
K=2 时，轮廓系数：0.6852
K=3 时，轮廓系数：0.7985 # 最大值，最优K
K=4 时，轮廓系数：0.7012
K=5 时，轮廓系数：0.6123
K=6 时，轮廓系数：0.5541
- K=3时轮廓系数最高，说明将数据分为3类时聚类效果最好；
- K>3后轮廓系数持续下降，说明“过度聚类”（拆分的类别无实际意义）。
四、关键注意事项（避坑必看）
- 必须标准化数据：轮廓系数基于欧氏距离计算，若特征量纲差异大（如“金额（元）”和“频次（次）”），会导致结果失真，务必先用
StandardScaler/MinMaxScaler标准化； - 高维数据先降维：若数据是100+维的高维数据，先通过PCA降维到2-5维，再计算轮廓系数（高维数据的距离计算无意义）；
- 异常值需提前清洗：极端异常值会拉高样本间的距离，导致轮廓系数偏低，建议用四分位数法剔除离群点；
- 样本数不宜过多：
silhouette_score计算复杂度较高，样本数超过10万时，建议用Mini-Batch K-Means聚类后再抽样计算； - 不替代业务逻辑：轮廓系数高仅代表“聚类效果好”，最终K值需结合业务场景（比如用户分群业务中，即使K=4的轮廓系数略低，但业务上4类更合理，仍选K=4）。
