python 实现K-means聚类（random,km++初始化中心）plt可视化

导入包

import numpy as np
import matplotlib.pyplot as plt
import pandas as pd
from tqdm.notebook import tqdm


import random

def get_center(df, method='random', cn=2):
    """随机选择聚类中心
    return:  np.array
    """
    count = len(df)
    assert count >= cn >= 1

    if method == 'random':
        center = df.sample(cn).values

    elif method == 'km++':
        """km++ 算法确定初始聚类中心"""

        data = df.values.tolist()
        center = [data.pop(random.randint(0, len(data)-1))]

        for i in range(cn-1):
            d = []
            for p in data:
                d.append(((np.array(center)-np.array(p))**2).sum(axis=1).min())

            center.append(data.pop(np.argmax(d)))

        center = np.array(center)
    return center

# --测试
a = pd.DataFrame(np.random.randn(20, 2))
c = get_center(a, 'km++', 3)

plt.scatter(a.iloc[:, 0], a.iloc[:, 1])
plt.scatter(c[:, 0], c[:, 1], s=50, marker='^')
plt.show()

def get_label(data, center, m='ojld'):
    """计算
        data : 与center中距离最近的行
    """
    a = ((center-data)**2).sum(axis=1)

    return a.argmin()

# 计算聚类中心
def k_mean(df, center):
    """
    params:
        df : 数据
        center : 聚类中心
    returns:
        center : 新的聚类中心
        labels : 新的标签
    """
    
    df = df.copy()
    
    labels = []
    for data in df.values:
        labels.append(get_label(data, center))
    df['label'] = labels

    center = df.sort_values(by=['label'], ignore_index=True).groupby(by=['label']).mean().values

    return  center, labels

def c_l(X, c_n, c_init='random', iters=10):
    """
    X : 待聚类的数据
    c_init : 初始化聚类中心应用的方法
    c_n : 聚类中心的数量
    iters : 聚类的迭代次数
    
    """

    # 初始化聚类中心
    center = get_center(X, method=c_init, cn=c_n)

    for i in range(iters):
        center, labels = k_mean(X, center)

    return center, labels

# 计算簇间距离平方和
def matric(df, cn, labels):
    """cn : 聚类中心 """
    
    # 类间距离
    outer = 0
    for i in cn:
        outer += (((cn-i)**2).sum(axis=1)**0.5).sum()
    outer *= 0.5

    # 类内距离
    iner = 0
    df = df.copy()
    df['label'] = labels
    for l in sorted(list(set(labels))):
        iner +=(((df.loc[df.label == l].iloc[:,:-1].values-cn[l])**2).sum(axis=1)**0.5).sum()

    return iner/(outer+10e-5)

 

# 综合测试

a = np.random.randn(120,2)+2
b = np.random.randn(120,2)-1
d = np.vstack([a,b])
p = pd.DataFrame(d,columns=['l1','l2'])


cn, lb = c_l(p, c_n=4, c_init='km++', iters=10)

plt.scatter(x=p['l1'],y=p['l2'],label='point')
plt.scatter(x=cn[:,0],y=cn[:,1],label='center')
plt.legend()
plt.show()

 

 

# 聚类中心的移动可视化
cs = []
center = get_center(p, method='random', cn=3)
for i in range(12):
    center, labels = k_mean(p, center)
    cs.append(center)

plt.figure(figsize=[9, 6])
plt.plot(p['l1'], p['l2'], 'o', c='orange', mfc='white')  # 所有节点图

for i in zip(*cs):
    c = np.array(i)
    plt.plot(c[:, 0], c[:, 1], '^-')  # center移动轨迹

plt.plot(cs[0][:, 0], cs[0][:, 1], 'k^',label='start')  # 开始
plt.plot(cs[-1][:, 0], cs[-1][:, 1], 'r^',label='end')  # 结束
plt.legend()
plt.show()

 

 

# k对聚类效果的影响

m = []
K = range(2,10)
for k in tqdm(K):
    cn, lb = c_l(p, c_n=4, c_init='km++', iters=100)
    m.append(matric(p,cn,lb))
    
plt.plot(K,m)
plt.show()