【附代码】python绘图集锦-分组( Groups)关系图

【附代码】python绘图集锦-分组( Groups)关系图

  1. 聚类树形图(Dendrogram)

  1. 聚类图(Cluster Plot)

  1. 安德鲁斯曲线(Andrews Curve)

  1. 平行坐标图(Parallel Coordinates)

1.聚类树形图(Dendrogram)

展示通过聚类形成的组内及组间相似性水平。

import scipy.cluster.hierarchy as shc

# Import Data
df = pd.read_csv('./datasets/USArrests.csv')

# Plot
plt.figure(figsize=(12, 8), dpi=80)
plt.title("USArrests Dendograms", fontsize=18)
dend = shc.dendrogram(shc.linkage(df[['Murder', 'Assault', '
  • 1
    点赞
  • 1
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
以下是使用Python进行K-means聚类算法并将每个元素分组的情况绘图的示例代码: ```python # 导入所需的库 import pandas as pd import numpy as np from sklearn.cluster import KMeans import matplotlib.pyplot as plt # 读取数据 data = pd.read_csv('data.csv') # 转换数据格式为numpy数组 X = np.array(data.iloc[:, 1:]) # 设置聚类数K K = 3 # 创建KMeans聚类对象 kmeans = KMeans(n_clusters=K, random_state=0) # 进行聚类 kmeans.fit(X) # 获取聚类结果标签 labels = kmeans.labels_ # 将聚类结果标签添加到原数据中 data['Label'] = labels # 获取聚类中心 centers = kmeans.cluster_centers_ # 绘制聚类结果 colors = ['red', 'blue', 'green'] for i in range(K): group = data[data['Label'] == i] plt.scatter(group.iloc[:, 1], group.iloc[:, 2], c=colors[i], label='Group '+str(i+1)) plt.scatter(centers[:, 0], centers[:, 1], marker='*', s=200, c='black', label='Centers') plt.xlabel('Feature 1') plt.ylabel('Feature 2') plt.title('K-means Clustering') plt.legend() plt.show() ``` 说明: 1. 首先导入所需的库,包括pandas、numpy、sklearn中的KMeans聚类算法和matplotlib绘图库。 2. 读取数据并将其转换为numpy数组。 3. 设置聚类数K。 4. 创建KMeans聚类对象,并使用fit方法进行聚类。 5. 获取聚类结果标签,并将其添加到原数据中。 6. 获取聚类中心。 7. 绘制聚类结果。使用不同的颜色表示不同的分组,使用星号表示聚类中心。 请注意,这只是一个示例代码,你需要根据你的数据和具体需求进行相应的调整。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

allein_STR

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值