kmeans算法python代码——可直接运行

在安装了相应依赖包情况下，以下代码可直接运行。

  1# -*- coding:utf-8 -*-
  2
  3import numpy as np
  4import random as rd
  5import matplotlib.pyplot as plt
  6import math
  7
  8def printLine():
  9   print '----------------------------------------------------------------------------'
 10
 11#计算聚类中心
 12def cent(x):
 13   return(sum(x)/len(x))
 14
 15#距离, 返回s,C，分别是距离平方和与聚类方案
 16def f(center):
 17    # c0 = []
 18    # c1 = []
 19    # c2 = []
 20    c = [[] for i in range(k)]
 21    D = np.arange(k*n).reshape(k,n)
 22    d = np.array([center[i]-dat.T for i in range(k)])
 23    for i in range(k):
 24        D[i] = sum((d[i]**2).T)
 25    for i in range(n):
 26        ind = D.T[i].argmin()
 27        c[ind].append(i)
 28    C = [np.array([dat.T[i] for i in j]) for j in c]
 29    print(c)
 30    s = 0
 31    for i in C:
 32        s+=dist(i)
 33    return(s,C)
 34
 35#计算各点到聚类中心的距离之和
 36def dist(x):
 37    #聚类中心
 38    m0 = cent(x)
 39    dis = sum(sum((x-m0)**2))
 40    return dis
 41
 42def run():
 43    # 存储距离和
 44    s_sum = []
 45    #---随机产生聚类中心----#
 46    center = rd.sample(range(n),k)
 47    center = np.array([dat.T[i] for i in center])
 48    print '初始化聚类中心为：'.decode('utf-8')
 49    print(center)
 50    printLine()
 51    #初始距离和
 52    print '第1次计算！'.decode('utf-8')
 53    dd,C = f(center)
 54    s_sum.append(dd)
 55    print ('距离和为'+str(dd)).decode('utf-8')
 56    printLine()
 57    print('第2次计算！'.decode('utf-8'))
 58    center = [cent(i) for i in C]
 59    Dd,C = f(center)
 60    s_sum.append(Dd)
 61    print ('距离和为'+str(Dd)).decode('utf-8')
 62    # 前面已经计算2次了，所以这里从第三次开始计算
 63    K = 3
 64    while(K<n_max):
 65       printLine()
 66       #两次差值很小并且计算了一定次数
 67       if(math.sqrt(abs(dd-Dd)) < 0 and K>20):
 68          break;
 69       print ('第'+str(K)+'次计算！').decode('utf-8')
 70       dd = Dd
 71       print ('距离和为'+str(dd)).decode('utf-8')
 72       #当前聚类中心
 73       center = [cent(i) for i in C]
 74       Dd,C = f(center)
 75       s_sum.append(Dd)
 76       K+=1
 77
 78    #-----------------聚类结果可视化部分--------------------#
 79    j = 0
 80    for i in C:
 81       if(j == 0):
 82          plt.plot(i.T[0],i.T[1],'ro')
 83       if(j == 1):
 84          plt.plot(i.T[0],i.T[1],'b+')
 85       if(j == 2):
 86          plt.plot(i.T[0],i.T[1],'g*')
 87       if(j == 3):
 88          plt.plot(i.T[0],i.T[1], 'c<')
 89       j+=1
 90    plt.show()
 91    x = range(len(s_sum))
 92    plt.plot(x, s_sum)
 93    plt.plot(x, s_sum, 'ro')
 94    plt.show()
 95
 96
 97print '==============================================================================='
 98#数据
 99dat = np.array([[14,22,15,20,30,20,32,13,23,20,21,22,23,24,35,18,20,31,14]
100    ,[15,28,18,30,35,15,30,15,25,23,24,25,26,27,30,15,24,33,12]])
101dat = np.random.randint(0, 30, (2, 40))
102print(dat)
103#=========================聚类中心======================#
104n = len(dat[0])
105N = len(dat)*n
106k = 4
107n_max = 50
108
109# 程序入口
110if __name__ == '__main__':
111    print '==============================================================================='
112    run()

可以通过修改k和n_max的值，改变聚类数量和测试样本数量。

点击【阅读原文】购买python spark大数据课程，限时优惠。