K-means算法Python实现

import pygal
#加载数据集
def dataload():
    list = []
    aa = []
    dataset = []
    #打开文件
    f = open('D:\python_data\K-meansdata.txt','r')
    #逐行格式化
    line = f.readline()
    attr = line.split()
    line = f.readline()
    while line:
        attr = line.split()
        list.append(attr)
        line = f.readline()
    for item in list:
        for temp in item:
            tt = float(temp)
            aa.append(tt)
        dataset.append(aa)
        aa = []
    return dataset
#根据数据集给出中心点
def GiveK(dataset):
    temp1 = 0
    temp2 = 0 
    temp3 = 0
    asp = []
    bsp = []
    #第一个均值点，求所有样本的均值
    for item in dataset:
        temp1 += item[1]
        temp2 += item[2]
        temp3 += item[3]
    temp1 = temp1/len(dataset)
    temp2 = temp2/len(dataset)
    temp3 = temp3/len(dataset)
    sum = temp1 + temp2 +temp3
    k1=[temp1,temp2,temp3]
    temp1 = 0
    temp2 = 0 
    temp3 = 0
    #对比中间均值，小的分一类，大的分一类
    for item in dataset:
        if item[1]+item[2]+item[3] <= sum:
            asp.append(item)
        else:
            bsp.append(item)
    #第二个均值点，求比中间均值小的所有样本的均值
    for item in asp:
        temp1 += item[1]
        temp2 += item[2]
        temp3 += item[3]
    temp1 = temp1/len(asp)
    temp2 = temp2/len(asp)
    temp3 = temp3/len(asp)
    k2 = [temp1,temp2,temp3]
    temp1 = 0
    temp2 = 0 
    temp3 = 0
    #第三个均值点，求比中间均值大的所有样本的均值
    for item in bsp:
        temp1 += item[1]
        temp2 += item[2]
        temp3 += item[3]
    temp1 = temp1/len(bsp)
    temp2 = temp2/len(bsp)
    temp3 = temp3/len(bsp)
    k3 = [temp1,temp2,temp3]
    return k1,k2,k3




#计算距离
def Cal(dataset,k1,k2,k3):    
    clsa = []
    clsb = []
    clsc = []
    temp1 = 0
    temp2 = 0
    temp3 = 0
    temp4 = 0
    temp5 = 0
    temp6 = 0
    temp7 = 0
    temp8 = 0
    temp9 = 0
    #计算到三个均值点的距离，并根据大小分到对应的类里
    for item in dataset:
        a = pow(item[1]-k1[0],2)+pow(item[2]-k1[1],2)+pow(item[3]-k1[2],2)
        b = pow(item[1]-k2[0],2)+pow(item[2]-k2[1],2)+pow(item[3]-k2[2],2)
        c = pow(item[1]-k3[0],2)+pow(item[2]-k3[1],2)+pow(item[3]-k3[2],2)
        if a <= b and a <= c:
            clsa.append(item)
            temp1 += item[1]
            temp2 += item[2]
            temp3 += item[3]
        elif b <= a and b <= c:
            clsb.append(item)
            temp4 += item[1]
            temp5 += item[2]
            temp6 += item[3]
        elif c <= a and c <= b:
            clsc.append(item)
            temp7 += item[1]
            temp8 += item[2]
            temp9 += item[3]
    m = [temp1/len(clsa),temp2/len(clsa),temp3/len(clsa)]
    n = [temp4/len(clsb),temp5/len(clsb),temp6/len(clsb)]
    q = [temp7/len(clsc),temp8/len(clsc),temp9/len(clsc)] 
    #返回新的三个均值点以及三个类     
    return m,n,q,clsa,clsb,clsc
def K_means(dataset):
    lista = []
    listb = []
    listc = []
    strlist = []
    i = 1
    #给出三个均值点
    k1,k2,k3=GiveK(dataset)
    #给出新的均值点以及分类结果
    a,b,c,clsa,clsb,clsc = Cal(dataset,k1,k2,k3)
    #循环，直到结果与上一次相同
    while k1 != a:
        str1 = '第%d次均值点'%i+'\n'+str(a)+'\n'+str(b)+'\n'+str(c)+'\n'
        strlist.append(str1)
        k1 = a
        k2 = b
        k3 = c
        #取出每个样本的序号
        for item in clsa:
            lista.append(int(item[0]))
        for item in clsb:
            listb.append(int(item[0]))
        for item in clsc:
            listc.append(int(item[0]))
        str2 = '第%d次分类结果：'%i+'\n'+str(lista)+'\n'+str(listb)+'\n'+str(listc)+'\n'
        strlist.append(str2)
        lista=[]
        listb=[]
        listc=[]
        i+=1
        a,b,c,clsa,clsb,clsc = Cal(dataset,k1,k2,k3)
    for item in clsa:
        lista.append(int(item[0]))
    for item in clsb:
        listb.append(int(item[0]))
    for item in clsc:
        listc.append(int(item[0]))
    str1 = '最终均值点'+'\n'+str(a)+'\n'+str(b)+'\n'+str(c)+'\n'
    st = '分类结果：\n'+'第一类:'+str(lista)+'\n'+'第二类:'+str(listb)+'\n'+'第三类:'+str(listc)+'\n'
    strlist.append(str1)
    strlist.append(st)
    #输出到GUI界面
    return strlist
#分类展示图表
def showdot():
    dataset = dataload()
    k1,k2,k3=GiveK(dataset)
    lista = []
    listb = []
    listc = []
    temp = []
    a,b,c,clsa,clsb,clsc = Cal(dataset,k1,k2,k3)
    #分类放入元组
    for item in clsa:
        temp.append(item[1])
        temp.append(item[2])
        lista.append(tuple(temp))
        temp = []
    for item in clsb:
        temp.append(item[1])
        temp.append(item[2])
        listb.append(tuple(temp))
        temp = []
    for item in clsc:
        temp.append(item[1])
        temp.append(item[2])
        listc.append(tuple(temp))
        temp = []
    dotchart = pygal.XY(stroke = False)
    dotchart.title = 'DotShow'
    dotchart.add('A',lista)
    dotchart.add('B',listb)
    dotchart.add('C',listc)
    dotchart.render_in_browser()


#K_means(dataload())
#dataload()
#GiveK(dataload())