K-means算法实现

1.实验数据构建
首先构建实验所用的数据，这里我才用的是随机数生成的形式，生成1000个二
维空间的点，存储到特定文件与集合中，并在函数结束时将集合返回。代码如下：

2.K-means算法实现
有了数据之后，接下来要做的就是K-means算法本身的实现了，首先，先初始化
k个点作为初始中心点，这里的k值我设置为3。为了使得生成的初始中心点与实际的数据点分布相符，我采用了x_rand = min + (max-min)*random(1)的形式，其中min与max分别为当前维度取值的最大值与最小值，x_rand为当前维度的初始值。代码如下：

有了初始中心点后，便开始进行聚类。遍历所有的数据点，针对每一个数据点，找出距离该数据点距离最近的中心点，然后将该数据点与对应中心点归为一类。完成一次遍历后，针对每一个类别，计算类别中所有数据的每个维度的平均值，将所有维度平均值组合起来形成新的中心点，然后重复上述过程，直至所有数据点的类别不再变化为止。代码如下：



3.聚类结果写入文件
聚类完成后，将聚类所得信息写入相应文件中。代码如下：

4.聚类结果可视化
将聚类结果以散点图的形式输出，代码和效果如下：

注：其中红色的点为各类别的中心点。

完整代码如下：

#用户聚类
from numpy import *
import matplotlib.pyplot as plt

#生成随即数据并写文件
def rand_data(filename):
    fw = open(filename,'w')
    dataSet = random.rand(1000,2)
    #print(dataSet)
    for data in dataSet:
        #print(data)
        data = str(data).split()
        fw.write(','.join(data) + "\n")
    fw.close()
    return dataSet

# #读数据
# def loadData(filename):
#     data=[]
#     fo=open(filename)
#     for line in fo:
#         line=line.replace('\n','')
#         l1=line.split(',')
#         ls=[]
#         for i in range(1,2):
#             ls.append(float(l1[i]))
#         #print(ls)
#         data.append(ls)
#     fo.close()
#     return data

#计算两个点之间的距离
def dist(va,vb):
    return sqrt(nansum(power((va-vb),2)))


#生成随机中心，k为聚类个数，dataset为原始用于聚类的数据集
def randCents(dataSet,k):
    #获取数据的列数，即每条数据有几个属性
    n=shape(dataSet)[1]
    #生成一个k行n列的全零矩阵
    cents=mat(zeros((k,n)))
    for i in range(n):
        mini=min(dataSet[:,i])
        maxi=max(dataSet[:,i])
        rangei=float(maxi-mini)
        #random.rand(k,1)生成一个k行一列的随机数组，
        # 每个元素分布在（0，1）之间
        cents[:,i]=mini+rangei*random.rand(k,1)
    return cents

#k-means的主体方法
def kMeans(dataSet,k,getDist=dist,getCents=randCents):
    #shape[0]，数据的行数     shape[1],数据的列数
    m=shape(dataSet)[0]
    #print(m)
    #生成一个m行两列的全零数组，并转化为矩阵
    cluster=mat(zeros((m,2)))
    #初始化K个聚类中心
    cents=getCents(dataSet,k)
    flag=True
    while flag:
        flag=False
        #对每一个数据点，计算他与每个分类的中心点的距离中
        # 最近的那一个中心点x，然后将它的类别设为x
        for i in range(m):
            minDist=10000000000000
            minIdx=-1
            for j in range(k):
                dist=getDist(cents[j,:],dataSet[i,:])
                if dist