k-medoid(k中心点)聚类算法-Python实现

        该算法的原理大家可以去自行寻找，一般是与k-means进行比较。文章提供了一个KMedoid类，能够实现聚类且将相关的样本输出到excel文件。

        因为k-medoid(k中心点)聚类算法是无监督的机器学习算法，一般需要根据聚类结果和样本实际特征进行对比，从而人工解释每一个类的特征是什么。

 1、KMedoid类代码

        这个代码是我网上搜集得到，在此基础上我添加了新的功能，即：将每一个簇的样本进行统计并输出到excel文件。

from matplotlib import pyplot
import numpy as np
import random
import pandas as pd
 
class KMediod():
    """
    实现简单的k-medoid算法
    """
    def __init__(self, data:np.ndarray, k_num_center:int):
        self.k_num_center = k_num_center
        self.data = data
        self.centers=None
        self.target=None
        self.container=[]
        self.df=None
        self.dic={}

 
    def ou_distance(self, x:int, y):
        # 定义欧式距离的计算
        return np.sqrt(sum(np.square(x - y)))
 
    def run_k_center(self, func_of_dis):
        """
        选定好距离公式开始进行训练
        :param func_of_dis:
        :return:
        """
        print('初始化', self.k_num_center, '个中心点')
        indexs = list(range(len(self.data)))
        random.shuffle(indexs)  # 随机选择质心
        init_centroids_index = indexs[:self.k_num_center]
        centroids = self.data[init_centroids_index, :]   # 初始中心点
        # 确定种类编号
        levels = list(range(self.k_num_center))
        print('开始迭代')
        sample_target = []
        if_stop = False
        while(not if_stop):
            if_stop = True
            classify_points = [[centroid] for centroid in centroids]
            sample_target = []
            # 遍历数据
            for sample in self.data:
                # 计算距离，由距离该数据最近的核心，确定该点所属类别
                distances = [func_of_dis(sample, centroid) for centroid in centroids]
                cur_level = np.argmin(distances)
                sample_target.append(cur_level)
                # 统计，方便迭代完成后重新计算中间点
                classify_points[cur_level].append(sample)
            # 重新划分质心
            for i in range(self.k_num_center):  # 几类中分别寻找一个最优点
                distances = [func_of_dis(point_1, centroids[i]) for point_1 in classify_points[i]]
                now_distances = sum(distances)   # 首先计算出现在中心点和其他所有点的距离总和
                for point in classify_points[i]:
                    distances = [func_of_dis(point_1, point) for point_1 in classify_points[i]]
                    new_distance = sum(distances)
                    # 计算出该聚簇中各个点与其他所有点的总和，若是有小于当前中心点的距离总和的，中心点去掉
                    if new_distance < now_distances:
                        now_distances = new_distance
                        centroids[i] = point    # 换成该点
                        if_stop = False
        print('结束')
        return sample_target,centroids
        #sample_target记录的是每个样本所属的类别
    
    def get_groups(self):
        for l in range(self.k_num_center):
            self.container.append([])
        for l in range(self.k_num_center):
            for item in self.target:
                if l==item:
                    self.container[l].append(data[item])

    def toexcel(self):
        self.get_groups()
        dic=dict()
        for o in range(self.centers.shape[0]):
            key=str(tuple(self.centers[o]))
            dic[key]=self.container[o]
        self.dic=dic
        self.df=pd.DataFrame(pd.DataFrame.from_dict(dic, orient='index').values.T, columns=list(dic.keys()))
        self.df.to_excel('result.xlsx')
 
    def run(self):
        predict,self.centers= self.run_k_center(self.ou_distance)
        self.target=predict
        return predict

2、使用方法

①准备好数据，确保数据格式正确，数据格式必须是二维的，即np.ndarray，且不能包含表头，下图中的数据shape为(10,3)。

 

 ②建立KMedoid类的实例对象

ins= KMediod(data, k_num_center=5)#data是数据，k_num_center是簇的数量

再运行下面的代码即可：

result=ins.run()
pyplot.scatter(data[:, 0], data[:, 1], c=result)
pyplot.show()
ins.toexcel()#将每一个簇的簇心和属于该簇的所有样本输出到excel

 3、效果图

        下图是平面图，实际上样本是三维特征的，在立体图中效果更好。