102、聚类Kmeans算法

这两天学习聚类中的Kmeans算法，有关Kmeans算法的介绍我推荐看"-程sir"的文章，简单易懂。

推荐地址：http://www.jianshu.com/p/fc91fed8c77b

下面直接看案例：Kmeans聚类分析运动员数据

在篮球这项运动中，每一位球员在球场上都有一个位置，如果某些运动员得分高，他可能是得分后卫；如果某些运动员身高高或篮板多，他可能是中锋；助攻高可能是控卫。而现在有一个数据集data.txt，数据集的部分截图如下：

图片发自App

在这个数据集里面包含了96行数据对应着96位篮球运动员，这些数据每一列分别是每分钟助攻数（assists_per_minute）、运动员身高（height）、运动员出场时间（time_played）、运动员年龄（age）和每分钟得分数（points_per_minute）。

现在需要通过运动员的数据，判断他适合打哪个位置。

接下来选取了每分钟助攻数（assists_per_minute）和每分钟得分数（points_per_minute）这两列数据进行分析：，代码如下：

# -*- coding: utf-8 -*-

import os

data = []

# 读取文件

filename = "data.txt"

with open(filename) as f_ob:

    lines = f_ob.readlines()



for line in lines:

    line = line.rstrip() # 删除换行

    result = ' '.join(line.split()) #删除多余空格，保存一个空格连接

    # 获取每行的五个值，将字符串格式转换为浮点数

    s = [float(x) for x in result.strip().split(' ')]

    print s

    data.append(s)  # 将数据存储在data



print("完整数据集")

print data          # 输出完整数据集

print type(data)    # 显示数据集的类型



print("第一列和第五列数据")

L2 = [n[0] for n in data]  # n[0]表示第一列

print L2

L5 = [n[4] for n in data]  # n[4]表示第五列

print L5



# 将两列数据生成二维矩阵

T = dict(zip(L2,L5))

"""zip函数：接受任意多个（包括0个和1个）序列作为参数，返回一个元组列表，

    再把元组列表以字典形式存在T中"""

print("T的类型" + str(type(T)))

print T



# dict类转化为list

X = list(map(lambda x,y: (x,y),T.keys(),T.values()))

print("X的类型" + str(type(X)))

print X



# 导入KMeans聚类相关模块

from sklearn.cluster import Birch

from sklearn.cluster import KMeans



clf = KMeans(n_clusters=3)

y_pred = clf.fit_predict(X)

# 输出聚类结果，96行数据，每个y_pred对应X一行或一个球员，聚成3类，类标为0、1、2

print clf



# 可视化绘图

import numpy as np

import matplotlib.pyplot as plt



# 使用for循环获取第一列和第二列数据

x = [n[0] for n in X]

print x

y = [n[1] for n in X]

print y



# 坐标

x1 = []

y1 = []



x2 = []

y2 = []



x3 = []

y3 = []



# 分布获取类标0、1、2的数据，赋值给(x1,y1) (x2,y2) (x3,y3)

i = 0

while i < len(x):

    if y_pred[i] == 0:

        x1.append(X[i][0])

        y1.append(X[i][1])

    elif y_pred[i] == 1:

        x2.append(X[i][0])

        y2.append(X[i][1])

    elif y_pred[i] == 2:

        x3.append(X[i][0])

        y3.append(X[i][1])



    i = i + 1



# 四种颜色 红 绿 蓝 

plot1, = plt.plot(x1,y1,"or",marker="x")

plot2, = plt.plot(x2,y2,"og",marker="o")

plot3, = plt.plot(x3,y3,"ob",marker="*")



# 绘制标题

plt.title("Kmeans-Basketball Data")



# 绘制x轴和y轴坐标

plt.xlabel("assists_per_minute")

plt.ylabel("points_per_minute")



# 设置右上角图例

plt.legend((plot1,plot2,plot3),("A","B","C"),fontsize=10)



plt.show()

结果如下：

图片发自App

从结果中可以看出：红色部分助攻很少，得分却很高，应该属于得分后卫；而蓝色部分处于中间部分，得分相比红色部分低一点，但是助攻也有很多，应该属于中锋；绿色部分得分最少，助攻却很多，这一部分球员应该属于控卫。