Matplotlib Kmeans聚类四种方式绘图 以及聚类算法测试数据生成

一、知识点补充
1.make_blobs用来生成聚类算法的测试数据。根据用户指定的特征数量、中心点数量、范围等来生成几类数据，这些数据可以用于聚类算法的测试效果。

结果放这里了神仙编辑器

二、代码
前三个是随机生成的，最后一个是input的数据

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs

#建立12*12英寸的图像
plt.figure(figsize=(12,12))
n_samples=1500
random_state=170

#x返回的是向量化的数据点，y返回的是对应的数据类别号
x,y=make_blobs(n_samples=n_samples,random_state=random_state)
print('x=',x,type(x),'y=',y)

#使用KMeans去聚类，返回聚好的类别集合，n_cluster 聚成几类
y_pred=KMeans(n_clusters=3,random_state=random_state).fit_predict(x)
print("y_pred:",y_pred)
#subplot 绘制多个字母图，221等价于2,2,1表示两行两列字母中第一个
plt.subplot(221)
#scatter绘制散点图，c指的是颜色，根据不同的类给不同的颜色
plt.scatter(x[:,0],x[:,1],c=y_pred)  #套公式就行了
plt.title("kMeans01")

#矩阵
transformation=[[0.608,-0.6367],
               [-0.4089,0.8525]]
x_aniso=np.dot(x,transformation)#矩阵相乘
y_pred=KMeans(n_clusters=3,random_state=random_state).fit_predict(x_aniso)
plt.subplot(222)
plt.scatter(x_aniso[:,0],x_aniso[:,1],c=y_pred)
plt.title("KMeans02")

#vstack是合并矩阵，将y=0的取出100行
x_filtered=np.vstack((x[y==0][:500],x[y==1][:100],x[y==2][:10]))
y_pred=KMeans(n_clusters=3,random_state=random_state).fit_predict(x_filtered)
plt.subplot(223)
plt.scatter(x_filtered[:,0],x_filtered[:,1],c=y_pred)
plt.title("KMeans03")


#数据导入准备 这里就直接导入了，要多学习不同的做法，及时积累
dataMat=[]
fr=open("testSet.txt","r")
for line in fr.readlines:
    #if line.strip() <> "":
        #这里其实是知道数据有空行和空格,不知道为什么老师写了运行了行，我却报错在jupyter notebook上
    curLine=line.strip().spplit('\t')
    fltLine=map(float,curLine)
    dataMat.append(fltLine)     
dataMat=np.array(dataMat)#能知道和理解为什么这么写，但是好像不是自己逻辑理解的范围之内的
y_pred=kmeans(n_clusters=4).fit_predict(dataMat)
plt.subplot(224)
plt.scatter(data[:,0],dataMat[:,1],c=y_pred)
plt.title("KMeans04")
plt.savefig("./Kmeans.png")
plt.show()