dbscan聚类算法及调参——python实现

真是好久没更新了，因为本蓝最近在忙研究生复试的事。结果还不错，虽然被调剂了，但是学校还算满意。就是过程有点太坎坷，也算是成长吧~今天接着之前的出租车数据处理！
预处理完成后，我们也该弄一个算法了，我寻思半天，学习了聚类，今天分享一下~
从头开始：由于数据量很大，我们就选择周末来处理，代码如下：

fpath = "C:/Users/PC-2019-3-24/Desktop/文件/数据/taix/000000001.csv"#打开神秘的文件
data = pd.read_csv(fpath,names=["id","jingdu","weidu","date","time"])#给每个列取个名字，经度纬度用拼音代替
#print(data['date'])
data1=[]#设置空数组
data2=[]
data3=[]
data4=[]
n=0
for i in data['date']:
    if i == '2008-02-02'or i=='2008-02-03':
        print(i)
        n=n+1
        data1.append(data.loc[n]) #将合格的宝贝加入新数组
data1=pd.DataFrame(data1)
#print(data1['jingdu'])

看上去有点low，但是好歹实现了我们想要的功能O(∩_∩)O哈哈~这里有个loc函数，我们一会儿说。
下一步，咱们给他抽出来经纬度聚类

X1=data['jingdu']
X2=data['weidu']
X=np.vstack((X1,X2)).T

接下来标准化（我导师说我英语有点差，从下面开始注释用英语写了，练练手，哈哈哈哈）

X = preprocessing.scale(X)
X = pd.DataFrame(X)

突然不开心了，剩下的不愿意写了，大家凑合看吧

#Build an empty list to save the results under different parameter combinations
res = []
for eps in np.arange(0.001 , 1 , 0.05):
    #Iterating different values of  min_samples
    for min_samples in range(2,10):
        dbscan = cluster.DBSCAN(eps = eps , min_samples = min_samples)
        dbscan.fit(X)
        #Count the number of clusters under each parameter combination (- 1 indicates abnormal point)
        n_clusters = len([i for i in set(dbscan.labels_) if i != -1])
        #Number of outliers
        outliners = np.sum(np.where(dbscan.labels_ == -1 , 1 , 0))
        #Count the number of samples in each cluster
        stats = str(pd.Series([i for i in dbscan.labels_ if i != -1]).value_counts().values)
        res.append({'eps':eps , 'min_samples':min_samples , 'n_clusters':n_clusters , 'outliners':outliners , 'stats':stats})
df = pd.DataFrame(res)
#Select reasonable parameter combination according to conditions
df.loc[df.n_clusters == 8, :]
#df.loc[df.n_clusters , :]

cluster可调，根据自己喜欢的来判断，也可以全部打印，但是太多了。
最后出图！

y_pred = DBSCAN(eps=0.151, min_samples=4, algorithm='ball_tree', metric='euclidean').fit_predict(X)
plt.scatter(X[0], X[1], c=y_pred)
plt.show()

loc是提取列，按照标签提取