yewu1.m

数据挖掘聚类算法研究

y=[21 281 515 1277 2350 4041 11042 16846 20201 18585 15298 21065 18862 18633 21512 27340]
figure(1)
bar(y)
title('业务量总订单数的增长')
xlabel('2007年4月到2008年7月')
ylabel('订单数')

% createfigure111(y)
%%%%%%%%%%%%%%%%%%%%%%%

y1=[15296.24 315237.1 258113.72 211436.33 428233.34 353489.43 223855.69 247341.08 347741.69]

figure(2)
bar(y1)
title('酒店业务收入的增长')
xlabel('2007年11月到2008年7月')
ylabel('收入金额')

%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%

allbook = 212054
y2=[27322	4642	730	2	217	6705	12628	6307	2303	71682	4379	58598	1513	9	37 7510	3599	2	1051	2818 ]./allbook
figure(3)
pie(y2)
title('所有订单各业务的比例')
legend('酒店'	,'娱乐',	'租房',	'红酒',	'违章代缴','订票','订蛋糕',	'订鲜花',	'订牛奶',	'快递','学车','美食','汽车救援','货运',	'零售', '旅游',	'保险','光媒体',	'企业登记','送水')

%%%%%%%%%%%%%%%%%%%%%%%

y3=[ 2786 833  333 169 91  57 35 24 ]
figure(4)
bar(y3)
title('酒店粉丝客户消费频次统计')
xlabel('频次')
ylabel('人数')

%%%%%%%%%%%%%%%%%%%%%%%

% y4=[19 259 480 1194 2199 3780 10200 15407 18415 16749 13933 18859 17109 16931 19201 23344]
y4=[ 30 253 451 1559 6007 7600 8139 9728 12649 13079 13719 14119 13384 13422 15545 19840]
figure(5)
bar(y4)
title('客户数的增长')
xlabel('2007年4月到2008年7月')
ylabel('客户数')

%%%%%%%%%%%%%%%%%%%%%%%
allbook11 = 165796
y5=[19814	3664	548	2	108	3145	10988	5020	2084	58206	3945	44571	1280	7	2	5986	3190	2	977	2257 ]./allbook11
figure(6)
pie(y5)
title('所有客户在各业务的比例')
legend('酒店'	,'娱乐',	'租房',	'红酒',	'违章代缴','订票','订蛋糕',	'订鲜花',	'订牛奶',	'快递','学车','美食','汽车救援','货运',	'零售', '旅游',	'保险','光媒体',	'企业登记','送水')

%%%%%%%%%%%%%%%%%%%%%%%

% y6=[ 26964 7697 3117 1530 890 557 355 247 175 138 113 95 83 73 65]
y6=[3117 1530 890 557 355 247 175 138 113 95 83 73 65]
x6 = 3:15
figure(7)
bar(x6,y6)
title('粉丝客户消费频次统计')
xlabel('频次')
ylabel('人数')

%%%%%%%%%%%%%%%%%%%%%%%