K-means

#导包
from sklearn.datasets import load_iris  #导入鸢尾花数据集
from sklearn.model_selection import train_test_split  #导入数据集划分工具
from sklearn.cluster import KMeans  #导入KMeans聚类算法
import matplotlib.pyplot as plt  #导入绘图库

#字体
plt.rcParams['font.family'] = 'KaiTi'  #设置字体为楷体
plt.rcParams['axes.unicode_minus'] = False  #设置坐标轴负号显示正常

#加载数据集
dataset=load_iris()  #加载鸢尾花数据集
x=dataset.data  #获取数据集中的特征数据

#将数据集划分为训练集和测试集，测试集占比25%，随机种子为2
x_train,x_test=train_test_split(x,test_size=0.25,random_state=2)

#创建KMeans聚类模型，设置聚类簇数为3
model=KMeans(n_clusters=3)
#使用训练集数据进行模型训练
model.fit(x)
#对训练集数据进行预测，得到预测结果
pred_y=model.predict(x)

#获取聚类中心点
kc=model.cluster_centers_

#根据预测结果将数据分为三类
class0=[i for i in range(len(pred_y)) if pred_y[i]==0]
class1=[i for i in range(len(pred_y)) if pred_y[i]==1]
class2=[i for i in range(len(pred_y)) if pred_y[i]==2]

# 创建画布，设置画布大小
fig=plt.figure(figsize=(10,8))

# 绘制散点图，将不同类别的数据用不同颜色和形状表示
label_added = False  #初始化一个变量label_added，用于标记是否已经添加了标签
for i in class0:  #遍历class0中的每个元素
    if not label_added:  #如果还没有添加标签
        plt.scatter(x[i,0],x[i,2],c='red',marker='o',label='class0')  #在散点图上绘制class0的数据点，并设置颜色为红色，形状为圆形，同时添加标签'class0'
        label_added = True  #将label_added设置为True，表示已经添加了标签
    else:   #如果已经添加了标签，直接在散点图上绘制class0的数据点，设置颜色为红色，形状为圆形
        plt.scatter(x[i,0],x[i,2],c='red',marker='o')


label_added=False  #初始化一个变量label_added，用于标记是否已经添加了标签
for i in class1:  #遍历class1中的每个元素
    if not label_added:
        plt.scatter(x[i,0],x[i,2],c='green',marker='*',label='class1')  #在散点图上绘制class0的数据点，并设置颜色为绿色，形状为*，同时添加标签'class1'
        label_added=True
    else:  #如果已经添加了标签，直接在散点图上绘制class1的数据点，设置颜色为绿色，形状为*
        plt.scatter(x[i,0],x[i,2],c='green',marker='*')

label_added=False  #初始化一个变量label_added，用于标记是否已经添加了标签
for i in class2:  #遍历class2中的每个元素
    if not label_added:
        plt.scatter(x[i,0],x[i,2],c='blue',marker='^',label='class2')  #在散点图上绘制class0的数据点，并设置颜色为蓝色，形状为三角形，同时添加标签'class2'
        label_added=True
    else:  #如果已经添加了标签，直接在散点图上绘制class1的数据点，设置颜色为蓝色，形状为三角形
        plt.scatter(x[i,0],x[i,2],c='blue',marker='^')

# 绘制聚类中心点
label_added=False  #初始化一个变量label_added，用于标记是否已经添加了标签
for i in kc:  #遍历class2中的每个元素
    if not label_added:
        plt.scatter(i[0],i[2],c='purple',marker='s',label='kc')  #在散点图上绘制class0的数据点，并设置颜色为紫色，形状为正方形，同时添加标签'kc'
        label_added=True
    else:
        plt.scatter(i[0],i[2],c='purple',marker='s')  #如果已经添加了标签，直接在散点图上绘制kc的数据点，设置颜色为紫色，形状为正方形

# 设置横纵坐标轴标签和标题
plt.xlabel('x')  #x轴
plt.ylabel('y')  #y轴
plt.title('使用K-Means算法对鸢尾花数据集进行聚类可视化')  #标题

plt.legend()  #显示图例
plt.show()  #显示图像