熱線電話：13121318867

登錄
首頁精彩閱讀Python KMeans聚類問題分析
Python KMeans聚類問題分析
2018-05-23
收藏

Python KMeans聚類問題分析

今天用python實現了一下簡單的聚類分析，順便熟悉了numpy數組操作和繪圖的一些技巧，在這里做個記錄。


frompylabimport*
fromsklearn.clusterimportKMeans
 
## 利用numpy.append()函數實現matlab多維數組合并的效果，axis 參數值為 0 時是 y 軸方向合并，參數值為 1 時是 x 軸方向合并，分別對應matlab [A ; B] 和 [A , B]的效果
 
#創建5個隨機的數據集
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)
 
# 下面用較笨的方法把5個數據集合并成 （2500，2）大小的數組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_# 獲取數據中心點
 
plot(t[:,0],t[:,1],'r*',markersize=16)# 顯示這5個中心點，五角星標記~
 
title('KMeans Clustering')
box(False)
 
xticks([]) # 去掉坐標軸的標記
yticks([])
 
show()

結果如下：

2017/01/11更新

今天重新試運行程序的出現報錯了，提示導入NUMPY_MKL失敗，因為之前用命令pip install -U numpy手動更新了numpy，最初的是在http://www.lfd.uci.edu/~gohlke/pythonlibs/#numpy 里下載的numpy-1.11.2+mkl-cp27-cp27m-win_amd64.whl 文件安裝的，只要重新安裝回去就可以了

2017/1/18更新

python中還有一個叫plotly 的package，可以通過pip install plotly 或 pip3 install plotly(Python3.X) ，使用這個package可以繪制精美的圖像，官網中有很多例子介紹，同時plotly 還支持matlab，R等，但是個人覺得plotly 的繪圖語法相比matplotlib 的繁瑣，需要照著例程來修改才比較方便，不過如果只是要想數據可視化更好看的話參考官網例程并做修改也無妨，下面是來自官網的一段示例代碼：

importplotly.plotly as py
importplotly.graph_objs as go
importplotly
importnumpy as np
 
#生成三組高斯分布(Gaussian Distribution)點集
 
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)
 
#創建圖形對象 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'
)
#布局是一個字典，字典關鍵字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]
#圖像包括數據部分和布局部分
fig={
 'data': data,
 'layout': layout,
}
#使用離線的方式繪制圖像，因為沒有注冊官方的網站，而且那個網站不容易進去，所以用離線繪制
plotly.offline.plot(fig, filename='clusters')

結果是通過瀏覽器打開圖片的，可以保存到本地，如下圖：

總結：plotly 這個庫雖然語法比較繁瑣，但是對數據顯示要求較高的情況下可以充分利用，一般繪圖的話使用matplotlib比較方便，特別是ipython模式下先執行from pylab import * 可以獲得和MATLAB 類似的工作環境。




CDA數據分析師考試相關入口一覽（建議收藏）：

? 想報名CDA認證考試，點擊>>>   “CDA報名” 了解CDA考試詳情；

? 想學習CDA考試教材，點擊>>> “CDA教材” 了解CDA考試詳情；

? 想加入CDA考試題庫，點擊>>> “CDA題庫” 了解CDA考試詳情；

? 想了解CDA考試含金量，點擊>>> “CDA含金量” 了解CDA考試詳情；

numpy python matplotlib 數據可視化

數據分析咨詢請掃描二維碼

若不方便掃碼，搜微信號：CDAshujufenxi

上一篇采集分析數據 大數據如何助力社會治理
下一篇完整的R語言預測建模實例-從數據清理到建模預測
數據分析師考試動態
CDA報考指南
數據分析學習
數據分析師資訊
更多

CDA教育閉環

常見問題

關于我們

CDA數據分析師公眾號

  • CDA數據分析師公眾號

CDA考試中心小程序

  • CDA考試中心服務號

CDA數據分析師App下載

  • CDA數據分析師App下載
Copyright © 2015-2021, www.ruiqisteel.com All Rights Reserved. CDA數據分析師(北京國富如荷網絡科技有限公司) 版權所有 京ICP備11001960號-9 京公網安備 11010802034615號 經營許可證編號：京B2-20210330
聯系電話：13321103290 (微信同號)

OK
客服在線
立即咨詢
日韩人妻系列无码专区视频,先锋高清无码,无码免费视欧非,国精产品一区一区三区无码
客服在線
立即咨詢