import pandas as pd

from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
import seaborn as sns
import matplotlib.pyplot as plt


# определим функцию отрисовки графиков попарных признаков для кластеров
def show_clusters_on_plot(df, x_name, y_name, cluster_name):
    plt.figure(figsize=(10, 10))
    sns.scatterplot(
        df[x_name], df[y_name], hue=df[cluster_name], palette='Paired'
    )
    plt.title('{} vs {}'.format(x_name, y_name))
    plt.show()


# читаем данные
travel = pd.read_csv('/datasets/tripadvisor_review_case.csv')
print(travel.shape)

# обязательная стандартизация данных перед работой с алгоритмами
sc = StandardScaler()
X_sc = sc.fit_transform(travel)

# задаём модель k_means с числом кластеров 3
km = KMeans(n_clusters = 3)
# применяем алгоритм к данным и формируем вектор кластеров:
# прогнозируем кластеры для наблюдений (алгоритм присваивает им номера от 0 до 2)
labels = km.fit_predict(X_sc)

# сохраняем метки кластера в поле нашего датасета
travel['cluster_km'] = labels

# выводим статистику по средним значениям наших признаков по кластеру
print(travel.groupby('cluster_km').mean())

# отрисуем графики для пары признаков "соки" и "религия"
show_clusters_on_plot(travel,
                      'Average user feedback on juice bars',
                      'Average user feedback on religious institutions',
                      'cluster_km')

# отрисуем графики для пары признаков "соки" и "рестораны"
show_clusters_on_plot(travel,
                      'Average user feedback on juice bars',
                      'Average user feedback on restaurants',
                      'cluster_km')