对sklearn的DBSCAN代码的抽离和修改

最近在深入研究sklearn的DBSCAN代码，就想着能够把官方代码抽离出，进行自己的修改，加上自己的想法

PS：此时我还是没有系统学Python，或者说我目前还是不会Python的，如果有错误，欢迎指正

参考文献链接: link.
参考文献链接: link.
参考文献链接: link.

# -*- coding: utf-8 -*-
"""
DBSCAN: Density-Based Spatial Clustering of Applications with Noise
"""

# Author: Robert Layton 
#         Joel Nothman 
#         Lars Buitinck
#
# License: BSD 3 clause
import numpy as np
from scipy import sparse

from ..base import BaseEstimator, ClusterMixin
from ..utils import check_array, check_consistent_length
from ..utils.testing import ignore_warnings
from ..neighbors import NearestNeighbors

from ._dbscan_inner import dbscan_inner

对于将官方代码的抽离，其实复制粘贴就行，然后改一下相关库的导入，但问题是这里面有个_dbscan_inner并不是正常的库，emm，如果你将代码弄成以下这样

import numpy as np
from scipy import sparse

from sklearn.base import BaseEstimator, ClusterMixin
from sklearn.utils import check_array, check_consistent_length
from sklearn.utils.testing import ignore_warnings
from sklearn.neighbors import NearestNeighbors

from _dbscan_inner import dbscan_inner

其实是会出问题的，主要是没有_dbscan_inner这个模块，你点击官方的_dbscan_inner也是不存在的，那么这个_dbscan_inner是什么呢？

于是我翻阅了大量资料，发现_dbscan_inner并不是用Python写的库，在网上也可以查到_dbscan_inner.pyx文件。

事情逐渐变得明朗，pyx文件是由 Cython 编程语言 “编写” 而成的 Python 扩展模块源代码文件，于是我去了Cython的官网以及查阅了大量的博客和文献，可能会有遗漏，就不一一列举了。（抱有严谨精神是应该列出来的）

如果想调用_dbscan_inner，想把它当作一个Python库一样调用，首先要把它转换成C/C++语言，然后合成Python的动态链接库。官方也有很多明确的说明

首先你得创建一个setup.py文件，使用这个文件来将_dbscan_inner.pyx文件转换成C/C++，然后再生成windows下的_dbscan_inner.pyd文件

# setup.py
from distutils.core import setup, Extension
from Cython.Build import cythonize
import numpy
setup(ext_modules = cythonize(Extension(
    '_dbscan_inner',
    sources=['_dbscan_inner.pyx'],
    language='c++',
    include_dirs=[numpy.get_include()],
    library_dirs=[],
    libraries=[],
    extra_compile_args=[],
    extra_link_args=[]
)))

这里本来想弄成C的，结果出了很多bug，于是就换成了C++成功了，哈哈。有点碰运气的成分。
运行如下命令 python setup.py build_ext --inplace
生成的文件
这个时候再Copy的源代码文件里面使用结果还是报错，但是我调用了这个文件结果发现是没问题的。
在这里导入的DBSCAN是我复制的一份代码，其实在这里你就会发现这篇博客的无聊之处。你可能会问，我花费这么多时间把官方的代码抽离出来有什么用，我直接调用不香吗？我也是这么想的。

import numpy as np
import matplotlib.pyplot as plt
from sklearn import datasets
from DBSCANtest import DBSCAN

X1, y1=datasets.make_circles(n_samples=5000, factor=.6,
                                      noise=.05)
X2, y2 = datasets.make_blobs(n_samples=1000, n_features=2, centers=[[1.2,1.2]], cluster_std=[[.1]],
               random_state=9)

X = np.concatenate((X1, X2))
plt.scatter(X[:, 0], X[:, 1], marker='o')
plt.show()


y_pred = DBSCAN(eps = 0.1, min_samples = 10).fit_predict(X)
plt.scatter(X[:, 0], X[:, 1], c=y_pred)
plt.show()

加了一句话，用来验证DBSCANtest有没有正常运行，这样，你就可以对官方代码进行一些自己的修改了。或许作用就这点吧，探索的过程往往是最有意思的。