读数据库版本的、利用K-means聚类方法做经纬度聚合

1.数据库

库的名字：owl_test

表的名字：data1

2.Python代码

import matplotlib.pyplot as plt
import numpy as np
import pandas as pd
import pymysqlconn = pymysql.Connect(host='localhost',  #//连接IP地址，如果是本地就是localhostuser='root',       #//数据库用户名passwd='xxxx',   #//数据库密码db='owl_test',         #//需要查询的数据库名charset='utf8'     #//编码
)c = conn.cursor()      #//游标，上一行数据查完后，游标移至下一行继续查询
c.execute('select * from data1')    #//执行这条查询语句
row = c.fetchall()     #//fetchall查询全部
#转化一下数据类型
tp1 = row
arr1 = np.array(tp1,dtype=float)def kmeans(data, k, iterations=500): # interations是最大迭代次数num_data, num_attr = data.shape  # 获取data矩阵的行数和列数print('行的数量：',num_data,'列的数量',num_attr)randint = np.arange(k)           # arange函数用于创建等差数组,创建一个含有k个元素的等差数组np.random.shuffle(randint)       # np.random.shuffle(arr)，将刚创建的等差数组打乱顺序iniCentriods = data[randint, :]  # 随机取data中的k个点作为初始聚类中心centroids = iniCentriodsfor itr in range(iterations):pre_centroids = centroids  # 上一次求得的中心位置tags = np.zeros((num_data, k))  # 分类标签矩阵# 寻找最近中心，更新中心for i in range(num_data):d = np.zeros((1, k))#zeros(shape, dtype=float, order='C')# 返回：返回来一个给定形状和类型的用0填充的数组；参数：shape:形状 dtype:数据类型，可选参数，默认numpy.float64dist = d  # 初始化标准差# 计算每个点到每个中心点的标准差for j in range(k):dist[0, j] = np.linalg.norm((data[i, :] - centroids[j, :]))  # 二范数计算欧氏距离index = np.argmin(dist)  # 寻找距离最小的类别索引# minDistance = dist[0, np.argmin(dist)]tags[i, index] = 1  # 标记最小距离所处的位置（类别）# 取均值更新聚类中心点for i in range(k):if sum(tags[:, i]) != 0:# 未出现空类，计算均值作为下一聚类中心for j in range(num_attr):centroids[i, j] = sum(tags[:, i] * data[:, j]) / sum(tags[:, i])else:# 如果出现空类，从数据集中随机选中一个点作为中心randidx = np.random.shuffle(np.arange(num_data))centroids[i, :] = data[randidx[0], :]tags[randidx, :] = 0tags[randidx, i] = 1if np.sum(np.linalg.norm(pre_centroids - centroids)) < .001:breakdistance_list = []idx_list = []for i in range(num_data):d = np.zeros((1, k))dist = dfor j in range(k):dist[0, j] = np.linalg.norm(data[i, :] - centroids[j, :])distance_list.append(dist[0, np.argmin(dist)])idx_list.append(np.argmin(dist))idx_list = np.array(idx_list)global aaa_arrayaaa_array = np.array(idx_list)print('The labels of data points are:',idx_list)# 画图for i in range(k):x = data[idx_list == i]plt.scatter(x[:, 0], x[:, 1])plt.xlabel('longitude')plt.ylabel('latitude')plt.grid()plt.rcParams['font.sans-serif'] = ['SimHei']plt.rcParams['axes.unicode_minus'] = Falseplt.title('4个簇点的聚类图')plt.show()return idx_listdata = arr1  # 读取数据
idx = kmeans(data, k=4)  # 分成4个簇类#把聚类结果写入Excel
data1 = pd.DataFrame(aaa_array)
writer = pd.ExcelWriter('label3.xlsx')
data1.to_excel(writer, 'sheet_1', float_format='%.2f', header=False, index=False)
writer.save()

3.结果图

读数据库版本的、利用K-means聚类方法做经纬度聚合相关推荐

OpenCV的k - means聚类 -对图片进行颜色量化
OpenCV的k - means聚类目标学习使用cv2.kmeans()数据聚类函数OpenCV 理解参数输入参数样品:它应该的np.float32数据类型,每个特性应该被放在一个单独的列. ...
OpenCV官方文档理解k - means聚类
理解k - means聚类目标在这一章中,我们将了解k - means聚类的概念,它是如何工作等. 理论我们将这个处理是常用的一个例子. t恤尺寸问题考虑一个公司要发布一个新模型的t恤. 显然 ...
ewebeditor编辑器ASP/ASPX/PHP/JSP版本漏洞利用总结及解决方法
ewebeditor编辑器ASP/ASPX/PHP/JSP版本漏洞利用总结及解决方法参考文章: (1)ewebeditor编辑器ASP/ASPX/PHP/JSP版本漏洞利用总结及解决方法 (2)ht ...
广告推广是什么意思？利用文章推广的方法做广告推广技巧总结
广告推广是什么意思? 鲨鱼网媒小编为您解答:广告推广是指通过文字.图片.视频等形式,利用广告媒介将广告宣传信息传播给目标受众,从而实现商品或服务的销售和推广的过程.文章推广是利用文章的形式,通过文字的 ...
k means聚类算法_K-Means 聚类算法 20210108
说到聚类,应先理解聚类和分类的区别聚类和分类最大的不同在于:分类的目标是事先已知的,而聚类则不一样,聚类事先不知道目标变量是什么,类别没有像分类那样被预先定义出来. K-Means 聚类算法有很多种 ...
第十四章聚类方法.14.2聚合聚类距离公式介绍
文章目录主要内容聚合聚类的具体过程聚合聚类算法与案例系统聚类法基本思想八种距离方法本课程来自深度之眼,部分截图来自课程视频以及李航老师的<统计学习方法>第二版. 公式输入请参考 ...
k means聚类算法_一文读懂K-means聚类算法
1.引言什么是聚类?我们通常说,机器学习任务可以分为两类,一类是监督学习,一类是无监督学习.监督学习:训练集有明确标签,监督学习就是寻找问题(又称输入.特征.自变量)与标签(又称输出.目标.因变量) ...
Oracle 数据库版本和位数sql语句查看方法
想用 navicat.PL/SQL 等工具连接 oracle,因为需要 Instant Client,而 Instant Client 的版本和位数需要跟要连接的数据库对应上才能成功连接,所以我们就要 ...
聚类分析 | MATLAB实现k-Means(k均值聚类)分析
目录聚类分析 | MATLAB实现k-Means(k均值聚类)分析 k-均值聚类简介相关描述程序设计学习小结参考资料致谢聚类分析 | MATLAB实现k-Means(k均值聚类)分析 k ...

读数据库版本的、利用K-means聚类方法做经纬度聚合

读数据库版本的、利用K-means聚类方法做经纬度聚合相关推荐

最新文章

热门文章