Python KMeans聚类分析

今天用python实现了一下简单的聚类分析，顺便熟悉了numpy数组操作和绘图的一些技巧，在这里做个记录。

from pylab import *
from sklearn.cluster import KMeans## 利用numpy.append()函数实现matlab多维数组合并的效果，axis 参数值为 0 时是 y 轴方向合并，参数值为 1 时是 x 轴方向合并，分别对应matlab [A ; B] 和 [A , B]的效果#创建5个随机的数据集
x1=append(randn(500,1)+5,randn(500,1)+5,axis=1)
x2=append(randn(500,1)+5,randn(500,1)-5,axis=1)
x3=append(randn(500,1)-5,randn(500,1)+5,axis=1)
x4=append(randn(500,1)-5,randn(500,1)-5,axis=1)
x5=append(randn(500,1),randn(500,1),axis=1)# 下面用较笨的方法把5个数据集合并成 （2500，2）大小的数组data
data=append(x1,x2,axis=0)
data=append(data,x3,axis=0)
data=append(data,x4,axis=0)
data=append(data,x5,axis=0)plot(x1[:,0],x1[:,1],'oc',markersize=0.8)
plot(x2[:,0],x2[:,1],'og',markersize=0.8)
plot(x3[:,0],x3[:,1],'ob',markersize=0.8)
plot(x4[:,0],x4[:,1],'om',markersize=0.8)
plot(x5[:,0],x5[:,1],'oy',markersize=0.8)k=KMeans(n_clusters=5,random_state=0).fit(data)
t=k.cluster_centers_   # 获取数据中心点plot(t[:,0],t[:,1],'r*',markersize=16)  # 显示这5个中心点，五角星标记~title('KMeans Clustering')
box(False)xticks([])      # 去掉坐标轴的标记
yticks([])show()

结果如下：

2017/01/11更新

今天重新试运行程序的出现报错了，提示导入NUMPY_MKL失败，因为之前用命令pip install -U numpy手动更新了numpy，最初的是在http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy 里下载的numpy-1.11.2+mkl-cp27-cp27m-win_amd64.whl 文件安装的，只要重新安装回去就可以了

2017/1/18

python中还有一个叫plotly 的package，可以通过pip install plotly 或 pip3 install plotly(Python3.X) ，使用这个package可以绘制精美的图像，官网中有很多例子介绍，同时plotly 还支持matlab，R等，但是个人觉得plotly 的绘图语法相比matplotlib 的繁琐，需要照着例程来修改才比较方便，不过如果只是要想数据可视化更好看的话参考官网例程并做修改也无妨，下面是来自官网的一段示例代码：

import plotly.plotly as py
import plotly.graph_objs as go
import plotly
import numpy as np#生成三组高斯分布(Gaussian Distribution)点集x0 = np.random.normal(2, 0.45, 300)
y0 = np.random.normal(2, 0.45, 300)x1 = np.random.normal(6, 0.8, 200)
y1 = np.random.normal(6, 0.8, 200)x2 = np.random.normal(4, 0.3, 200)
y2 = np.random.normal(4, 0.3, 200)#创建图形对象 graph object
trace0 = go.Scatter(x=x0,y=y0,mode='markers',
)
trace1 = go.Scatter(x=x1,y=y1,mode='markers'
)
trace2 = go.Scatter(x=x2,y=y2,mode='markers'
)
trace3 = go.Scatter(x=x1,y=y0,mode='markers'
)
#布局是一个字典，字典关键字keys包括：'shapes', 'showlegend'
layout = {'shapes': [{'type': 'circle','xref': 'x','yref': 'y','x0': min(x0),'y0': min(y0),'x1': max(x0),'y1': max(y0),'opacity': 0.2,'fillcolor': 'blue','line': {'color': 'blue',},},{'type': 'circle','xref': 'x','yref': 'y','x0': min(x1),'y0': min(y1),'x1': max(x1),'y1': max(y1),'opacity': 0.2,'fillcolor': 'orange','line': {'color': 'orange',},},{'type': 'circle','xref': 'x','yref': 'y','x0': min(x2),'y0': min(y2),'x1': max(x2),'y1': max(y2),'opacity': 0.2,'fillcolor': 'green','line': {'color': 'green',},},{'type': 'circle','xref': 'x','yref': 'y','x0': min(x1),'y0': min(y0),'x1': max(x1),'y1': max(y0),'opacity': 0.2,'fillcolor': 'red','line': {'color': 'red',},},],'showlegend': False,
}
data = [trace0, trace1, trace2, trace3]
#图像包括数据部分和布局部分
fig = {'data': data,'layout': layout,
}
#使用离线的方式绘制图像，因为没有注册官方的网站，而且那个网站不容易进去，所以用离线绘制
plotly.offline.plot(fig, filename='clusters')

结果是通过浏览器打开图片的，可以保存到本地，如下图：

总结：plotly 这个库虽然语法比较繁琐，但是对数据显示要求较高的情况下可以充分利用，一般绘图的话使用matplotlib比较方便，特别是ipython模式下先执行from pylab import * 可以获得和MATLAB 类似的工作环境。

Python KMeans聚类分析相关推荐

python k-means聚类分析_python进行数据分析
1.获取数据 1.1 三种常见的类型列表(List):Python中最基本的数据结构,列表的数据项通过逗号分隔,可以为不同的数据类型,例如:list1 = ['physics', 'chemistr ...
python K-means聚类分析聚类数的选择-肘部法则和轮廓系数
如何选择kmeans中的k值--肘部法则–Elbow Method和轮廓系数–Silhouette Coefficient
Python使用K-means聚类分析
Python使用K-means聚类分析文章目录 Python使用K-means聚类分析介绍 1.集群标签作为特征一.k-均值聚类二.示例 - 加州住房 2.KMeans 总结介绍提示:这里 ...
基于Python的Kmeans聚类分析介绍及实践
基于Python的Kmeans聚类分析介绍及实践这是一篇学习的总结笔记参考自<从零开始学数据分析与挖掘> [中]刘顺祥著完整代码及实践所用数据集等资料放置于:Github 聚类算法 ...
[Python与图像处理]利用Python与Kmeans聚类分析图像主色彩
如何使用OpenCV,Python和k-means聚类算法来查找图像中最主要的颜色该任务可用于分析一张优秀摄影作品的色彩分布,并建立色卡图,将其用于本地调色. K-Means聚类,那么k-mea ...
Iris鸢尾花数据集可视化、线性回归、决策树分析、KMeans聚类分析
在进行可视化及聚类分析前,我们需要为IDLE安装sklearn库,scikit-learn是Python的一个开源机器学习模块,它建立在NumPy,SciPy和matplotlib模块之上能够为用户提 ...
matlab鸢尾花数据线性分析,Iris鸢尾花数据集可视化、线性回归、决策树分析、KMeans聚类分析...
数据集可视化采用Python的Sklearn机器学习库中自带的数据集--鸢尾花数据集.简单分析数据集之间特征的关系图,根据花瓣长度.花瓣宽度.花萼长度.花萼宽度四个特征进行绘图 Iris plant ...
python进行聚类分析：鸢尾花（iris）代码
python进行聚类分析:鸢尾花(iris)代码基本信息代码实现基础函数 Kemans MiniBatchKMeans MeanShift AgglomerativeClustering DBS ...
python 文本聚类分析案例——从若干文本中聚类出一些主题词团
python 文本聚类分析案例说明摘要 1.结巴分词 2.去除停用词 3.生成tfidf矩阵 4.K-means聚类 5.获取主题词 / 主题词团说明实验要求:对若干条文本进行聚类分析,最终得 ...

Python KMeans聚类分析

Python KMeans聚类分析相关推荐

最新文章

热门文章