python实现kmeans聚类不用numpy包_Python实现 K_Means聚类算法

importnumpy as npimportmatplotlib.pyplot as plt#子函数：Initialize center函数通过使用numpy库的zeros函数和random.uniform函数，#随机选取了k个数据做聚类中心， 并将结果存放在Numpy的Array对象centers中

definitCenters(dataSet,k):

numSamples,dim=dataSet.shape

centers=np.zeros((k,dim))for i inrange(k):

index=int(np.random.uniform(0,numSamples)) #random get k centers

centers[i,:]=dataSet[index,:]print(centers)returncenters#子函数：Dist2Centers这个函数用来计算一个数据点到所有聚类中心的距离，将其存放在dis2cents中返回

defDist2Centers(sample,centers):

k=centers.shape[0]

dis2cents=np.zeros(k)for i inrange(k):

dis2cents[i]=np.sqrt(np.sum(np.power(sample-centers[i,:],2)))returndis2cents#子函数：kmeans函数.# 这部分代码完成了kmeans算法中为数据点决定所属类别以及迭代更新类中心点的主要功能。# 注意numpy库的返回最小值索引的argmin函数以及计算平均值的mean函数的使用方法

defkmeans(dataSet,k,iterNum):

numSamples=dataSet.shape[0]

iterCount=0#cl