dataworks是阿里云基于dataX在云端部署的一套ETL产品，对于中小企业来说大大降低了大数据的门槛和运维开发成本。它可以创建多种类型的节点，对于一般逻辑简单的数据处理直接使用SQL就可以解决，对于逻辑复杂流程也可以只用python节点，如下：
只用PyODPS节点在做数据处理时遇到了一个小坑，应为PyODPS的DataFrame是阿里重构的，与pandas的DataFrame用法并不一致，若要使用pandas的DataFrame需要做一个转化：
data = DataFrame(o.get_table('k_meanse_test_data'))
#odps的DataFrame和pandas的DataFrame不同需要转化
data = data.to_pandas()
下面是用PyODPS做k-means计算的一个demo：
from odps.df import DataFrame
from odps.df import output
from sklearn.cluster import KMeans
from sklearn import preprocessing
import pandas as pd
import numpy as np
# 输入数据
data = DataFrame(o.get_table('k_meanse_test_data'))
#odps的DataFrame和pandas的DataFrame不同需要转化
data = data.to_pandas()
print data.head()
train_x = data[["ranking_2019","world_cup_2018","asian_cup_2015"]]
kmeans = KMeans(n_clusters=3)
# 规范化到[0,1]空间， (X - X.min(axis=0)) / (X.max(axis=0) - X.min(axis=0))
min_max_scaler=preprocessing.MinMaxScaler()
#min_max_scaler=preprocessing.StandardScaler()
train_x=min_max_scaler.fit_transform(train_x)
print(train_x)
# kmeans算法
kmeans.fit(train_x)
predict_y = kmeans.predict(train_x)
print(predict_y)
# 合并聚类结果，插入到原数据中
result = pd.concat((data,pd.DataFrame(predict_y)),axis=1)
result.rename({0:u'聚类'},axis=1,inplace=True)
print(result)
运行结果：
country ranking_2019 world_cup_2018 asian_cup_2015 èç±» 0 中国 73 40 7 3 1 日本 60 15 5 1 2 韩国 61 19 2 1 3 伊朗 34 18 6 1 4 沙特 67 26 10 1 5 伊拉克 91 40 4 3 6 卡塔尔 101 40 13 0 7 阿联酋 81 40 6 3 8 乌兹别克斯坦 88 40 8 3 9 泰国 122 40 17 0 10 越南 102 50 17 0 11 阿曼 87 50 12 0 12 巴林 116 50 11 0 13 朝鲜 110 50 14 0 14 印尼 164 50 17 2 15 澳洲 40 30 1 1 16 叙利亚 76 40 17 0 17 约旦 118 50 9 3 18 科威特 160 50 15 2 19 巴勒斯坦 96 50 16 0
