Kmeans算法Python实现小纪

pandas.read_csv

该部分从brucewong0516博客摘抄，原文见下方链接。
pandas.read_csv可以读取CSV（逗号分割）文件、文本类型的文件text、log类型，返回DataFrame文件。
参数：

• filepath_or_buffer ：可以是URL，可用URL类型包括：http, ftp, s3和文件。
• sep：如果不指定参数，则会尝试使用逗号分隔。分隔符长于一个字符并且不是‘\s+’,将使用python的语法分析器。并且忽略数据中的逗号。
• delimiter ：定界符，备选分隔符（如果指定该参数，则sep参数失效）
• delim_whitespace ： 指定空格(例如’ ‘或者’ ‘)是否作为分隔符使用，等效于设定sep=’\s+’。如果这个参数设定为True那么delimiter 参数失效。
• header ：指定行数用来作为列名，数据开始行数。如果文件中没有列名，则默认为0【第一行数据】，否则设置为None。如果明确设定 header = 0 就会替换掉原来存在列名。header参数可以是一个list例如：[0,1,3]，这个list表示将文件中的这些行作为列标题（意味着每一列有多个标题），介于中间的行将被忽略掉。注意：如果skip_blank_lines=True 那么header参数忽略注释行和空行，所以header=0表示第一行数据而不是文件的第一行。
• names ：用于结果的列名列表，如果数据文件中没有列标题行，就需要执行 header=None。names属性在header之前运行默认列表中不能出现重复，除非设定参数mangle_dupe_cols=True。
• index_col ：用作行索引的列编号或者列名，如果给定一个序列则有多个行索引。
• usecols：返回一个数据子集，该列表中的值必须可以对应到文件中的位置（数字可以对应到指定的列）或者是字符传为文件中的列名。例如：usecols有效参数可能是 [0,1,2]或者是 [‘foo’, ‘bar’, ‘baz’]。使用这个参数可以加快加载速度并降低内存消耗。
• prefix：在没有列标题时，也就是header设定为None，给列添加前缀。例如：添加prefix= ‘X’ 使得列名称成为 X0, X1, …
• dtype： 每列数据的数据类型。例如 {‘a’: np.float64, ‘b’: np.int32}
• skipinitialspace：忽略分隔符后的空白（默认为False，即不忽略）.
• skiprows ：需要忽略的行数（从文件开始处算起），或需要跳过的行号列表（从0开始）。
• nrows ：需要读取的行数（从文件头开始算起）。
• na_values ：一组用于替换NA/NaN的值。如果传参，需要制定特定列的空值。默认为‘1.#IND’, ‘1.#QNAN’, ‘N/A’, ‘NA’, ‘NULL’, ‘NaN’, ‘nan’`.
• keep_default_na：如果指定na_values参数，并
• keep_default_na=False，那么默认的NaN将被覆盖，否则添加
• na_filter：是否检查丢失值（空字符串或者是空值）。对于大文件来说数据集中没有空值，设定na_filter=False可以提升读取速度。
• skip_blank_lines ：如果为True，则跳过空行；否则记为NaN。

---

作者：brucewong0516
来源：CSDN
原文：https://blog.csdn.net/brucewong0516/article/details/79092579
版权声明：本文为博主原创文章，转载请附上博文链接！

python冒号在数组和矩阵使用

• [:j] ：这是切片操作，在下标j之前（不包括第j个）的元素都保留,适用于Python中的列表(也就是数组)，也适用于numpy科学结构。
• 关于[:,j] ：这也是切片操作，保留第一个维度所有元素（行都保留），第二维度元素取j位（只取第j列）。只适用numpy的科学数据结构。
• X[:,1:]第一维全部取，即所有行，列上从第1列开始取，不要第0列。
• X[1,:]是取第1维中下标为1的元素的所有数据，第1行（从0开始）。
• X[:2,1:]第一维取下标2之前（不包括2）的，即第2行之前（0，1两行），列上从第1列（包括1）开始取，不要第0列。

np.shape（dataset）

shape函数是numpy.core.fromnumeric中的函数，它的功能是查看矩阵或者数组的维数。