【泰迪杯-数据分析-4】K-means聚类分析

【泰迪杯-数据分析-4】K-means聚类分析

本文以2021年泰迪杯B题为例介绍Python实现K-means聚类分析，安装必要库，导入文件，数据预处理，scikitlearn实现k-means聚类分析，以及用三维散点图实现数据可视化。文末附2021泰迪杯题目和附件。

1，安装库

使用cmd运行pip命令安装必要库

pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple/

pip install scipy -i https://pypi.tuna.tsinghua.edu.cn/simple/

pip install scikit-learn -i https://pypi.tuna.tsinghua.edu.cn/simple/

若未安装pandas，运行下面命令安装
pip install pandas -i https://pypi.tuna.tsinghua.edu.cn/simple/
若未安装matplotlib，运行下面命令安装
pip install matplotlib-i https://pypi.tuna.tsinghua.edu.cn/simple/

2，导入文件

使用pandas读取文件,并取得需要处理的数据

import pandas as pd
# 对化肥信息进行聚类分析

############ 导入数据，并需要分析的数据列 ############
data = pd.read_excel('./data/化肥信息.xlsx')
# csv文件使用read_csv函数

如果这里读取xlsx文件失败，报错：Excel xlsx file; not supported。可能是因为xlrd版本太高，使用pip命令写在现在版本，安装旧版本即可解决

# 卸载
pip uninstall xlrd
# 安装
pip install xlrd==1.2.0 -i https://pypi.tuna.tsinghua.edu.cn/simple/

3，预处理数据

将需要进行聚类分析的数据转化为嵌套列表，即：[[a1,b1…],[a2,b2…],[a3,b3…]]的形式

# 只保留需要的数据，方便后续操作
temp_data = pd.DataFrame([])
temp_data['N'] = data['总氮百分比']
temp_data['P2O5'] = data['P2O5百分比']
temp_data['K2O'] = data['K2O百分比']
data = temp_data

# 将数据装换为嵌套列表 : [[ data ]]	** 这一步才是关键
data_list = []
for index in range(data.shape[0]):
    temp_in_list = list(data.loc[index].values)     # 需要强制类型转换为list，方便后续处理
    data_list.append(temp_in_list)
print(data_list)

4，对数据进行聚类分析

使用sklearn库的KMeans方法进行聚类分析，并获取数据

############ K-Means聚类 ############
from sklearn.cluster import KMeans
# 设置聚类组数
k_means = KMeans(n_clusters=4)
# 开始聚类
k_means.fit(data_list)
# 获取聚类标签
k_label = k_means.labels_
# 获取聚类中心
k_center = k_means.cluster_centers_

print(k_label)		# 返回组号，编号对应传递参数中的数据顺序
print(k_center)		# 获取各组的中心你点位置

5，绘制散点图

在完成聚类分析之后，可以通过散点图来对结果进行展示

############ 画图 ############
import matplotlib.pyplot as plt

fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
fig.set_size_inches(20,8)       # 设置图形的大小和dpi
fig.set_dpi(80)
# 分组显示不同的颜色
for index in range(len(data_list)):
    if k_label[index] == 0:
        my_color = 'r'
    elif k_label[index] == 1:
        my_color = 'g'
    elif k_label[index] == 2:
        my_color = 'b'
    else:
        my_color = 'y'
    ax.scatter(data_list[index][0], data_list[index][1], data_list[index][2],color=my_color)
    break

# 防止中文乱码
import matplotlib as mpl
mpl.rcParams["font.sans-serif"] = ["KaiTi"]
mpl.rcParams["axes.unicode_minus"] = False

ax.set(xlabel="总氮百分比", ylabel="P2O5百分比", zlabel="K2O百分比")       # 设置x,y,z轴的标签
# ax.scatter(xs, ys, zs=zs1, zdir="", c="", marker="", s=)   设置x,y,z轴的刻度
# 显示图形
plt.show()

6，完整代码

import pandas as pd

############ 导入数据，并需要分析的数据列 ############
data = pd.read_excel('./data/化肥信息.xlsx')

############ 数据处理 ############
# 只保留需要的数据，方便后续操作
temp_data = pd.DataFrame([])
temp_data['N'] = data['总氮百分比']
temp_data['P2O5'] = data['P2O5百分比']
temp_data['K2O'] = data['K2O百分比']
data = temp_data

# 将数据装换为嵌套列表 : [[ data ]]
data_list = []
for index in range(data.shape[0]):
    temp_in_list = list(data.loc[index].values)     # 需要强制类型转换为list，方便后续处理
    data_list.append(temp_in_list)
# print(data_list)

############ K-Means聚类 ############
from sklearn.cluster import KMeans
# 设置聚类组数
k_means = KMeans(n_clusters=4)
# 开始聚类
k_means.fit(data_list)
# 获取聚类标签
k_label = k_means.labels_
# 获取聚类中心
k_center = k_means.cluster_centers_

print(k_label)
print(k_center)

############ 画图 ############
import matplotlib.pyplot as plt

fig, ax = plt.subplots(subplot_kw={"projection": "3d"})
fig.set_size_inches(20,8)       # 设置图形的大小和dpi
fig.set_dpi(80)
# 分组显示不同的颜色
for index in range(len(data_list)):
    if k_label[index] == 0:
        my_color = 'r'
    elif k_label[index] == 1:
        my_color = 'g'
    elif k_label[index] == 2:
        my_color = 'b'
    else:
        my_color = 'y'
    ax.scatter(data_list[index][0], data_list[index][1], data_list[index][2],color=my_color)
    break

# 防止中文乱码
import matplotlib as mpl
mpl.rcParams["font.sans-serif"] = ["KaiTi"]
mpl.rcParams["axes.unicode_minus"] = False

ax.set(xlabel="总氮百分比", ylabel="P2O5百分比", zlabel="K2O百分比")       # 设置x,y,z轴的标签
# ax.scatter(xs, ys, zs=zs1, zdir="", c="", marker="", s=)   设置x,y,z轴的刻度
# 显示图形
plt.show()

数据为泰迪杯-数据分析2021年B题附件2

链接：https://pan.baidu.com/s/1-4T70_pvNDEKfxKJQFoWnQ
提取码：nesp