clustering k-means

程序给出了k-means的用法和简单的pandas操作excel

1.选择一个参数k，也就是聚类时分成几类

2，随机选择k个中心点

3，计算每个样本到中心的距离，把这个样本归为与中心距离最近的那一类

4，更新中心

5，重复3,4步。达到最大迭代次数或者中心不发生变化，重复结束

距离公式：

首先help(np.linalg.norm)查看其文档：

norm(x, ord=None, axis=None, keepdims=False)

• 1

x 表示要度量的向量， ord 表示范数的种类，

参数	说明	计算方法
默认	二范数：ℓ2	x21+x22+…+x2n−−−−−−−−−−−−−−−√
ord=2	二范数：ℓ2	同上
ord=1	一范数：ℓ1	|x1|+|x2|+…+|xn|
ord=np.inf	无穷范数：ℓ∞	max(|xi|)

程序如下：

import numpy as np
from sklearn import datasets
import pandas as pd
import matplotlib.pyplot as plt
from pylab import mpl
'''练习一下pandas操作excel表
'''
def pandas_data():#从sklearn中加载数据,然后使用pandas写到excel转成int方便聚类，再使用pandas读取出来。
    data=datasets.load_iris()#加载iris库
    data_df=pd.DataFrame(data['data'])#iris是一个数组，一个是data和target
    data_df.columns=['A','B','C','D']
    data_df.index = range(150)
    writer = pd.ExcelWriter('Save_Excel.xlsx')#将加载的数据保存为excel
    data_df.to_excel(writer, 'page_1', float_format='%.5f')#保存的精度为%.5f
    writer.save()
    df=np.mat(pd.read_excel('Save_Excel.xlsx', skiprows=[0]))#读取出来
    x=df[1:149,1:5]
    target=data['target'][0:148]

    m,n=np.shape(x)
    y=np.zeros((m,n+1))
    y[:,:-1]=x
    y[:,-1] =target
    return x ,y#得到一个有特征没有标签的x，和带标签的y，为了测试精度
'''
k-means算法的主程序
'''
def k_means(x,k,maxiter):
    m,n=np.shape(x)
    y=np.zeros((m,n+1))
    y[:,:-1]=x
    centerpoint=y[np.random.randint(1,high=m,size=k),:]
    #随机得到k个中心点
    for i in range(k):
        centerpoint[i,-1]=i
    oldpoint=None
    iternumber=0
    # 主循环(当迭代次数iternumber=maxiter时或者中心点不变时，循环结束)
    while shouldstop(centerpoint,oldpoint,iternumber,maxiter):
        oldpoint=np.copy(centerpoint)
        iternumber+=1
        for i in range(m):
            y[i,-1]=cal_dist(x[i,:],centerpoint)
        centerpoint=up_centerpoint(y,k)
    return y
def plot_show(y,y_pred):
    mpl.rcParams['font.sans-serif'] = ['SimHei']  # 指定默认字体：解决plot不能显示中文问题
    mpl.rcParams['axes.unicode_minus'] = False  # 解决保存图像是负号'-'显示为方块的问题
    plt.subplot(221)
    plt.scatter(y[:,0], y[:,1], c=y[:, -1])
    plt.title("初始化的聚类")
    plt.subplot(222)
    plt.scatter(y_pred[:,0], y_pred[:,1], c=y_pred[:,-1])
    plt.title("k=3时的聚类")
    plt.show()

'''
更新中心点
'''
def up_centerpoint(y,k):
    result=np.zeros((k,y.shape[1]))
    for i in range(k):
        temp = y[y[:, -1] == i, :-1]
        result[i,:-1]=np.mean(temp,axis=0)
        result[i,-1]=i
    return
'''
计算每个点与中心点的距离，将这个点归为与中心点距离最近的那一类
'''
def cal_dist(x,centerpoint):
    m,n=np.shape(centerpoint)
    bestlable=centerpoint[0,-1]
    bestdist=np.linalg.norm(x-centerpoint[0,0:-1])
    for i in range(1,m):
        dist=np.linalg.norm(x-centerpoint[i,0:-1])
        if dist<bestdist:
            bestdist=dist
            bestlable=centerpoint[i,-1]
    return bestlable
'''
控制主循环是否结束
'''
def shouldstop(centerpoint,oldpoint,iternumber,maxiter):#
    if iternumber<maxiter:
        return True
    if np.array_equal(centerpoint,oldpoint):
        return False
def main():
    k=6
    maxiter=1
    x,y=pandas_data()
    y_predict=k_means(x,k,maxiter)
    plot_show(y,y_predict)
if __name__ == '__main__':
    main()

结果显示：