python数据挖掘与实战 第四章 数据预处理 数据离散化 代码纠错

在python数据挖掘与实战的第四章代码4-3的数据离散化中发现问题，纠正后代码如下：

标注了改动1.2.3.4.5

# -*- coding: utf-8 -*-
# 数据规范化
import pandas as pd

datafile = r'D:\mechine learning\Data Analysis and Mining\chapter4\demo\data\discretization_data.xls'  # 参数初始化
data = pd.read_excel(datafile)  # 读取数据
data = data[u'肝气郁结证型系数'].copy()
k = 4

d1 = pd.cut(data, k, labels=range(k))  # 等宽离散化，各个类比依次命名为0,1,2,3

# 等频率离散化
w = [1.0 * i / k for i in range(k + 1)]  # [0.0, 0.25, 0.5, 0.75, 1.0]
w = data.describe(percentiles=w)[4:4 + k + 1]  # 使用describe函数自动计算分位数
w[0] = w[0] * (1 - 1e-10)
d2 = pd.cut(data, w, labels=range(k))
#  可以直接用d2 = pd.qcut(data, k, labels=range(k))代替  # 等频率离散化，各个类比依次命名为0,1,2,3


from sklearn.cluster import KMeans  # 引入KMeans

if __name__ == '__main__': # 改动4
    kmodel = KMeans(n_clusters=k, n_jobs=4)  # 建立模型，n_jobs是并行数，一般等于CPU数较好
    kmodel.fit(data.values.reshape((len(data), 1)))  # 改动1   将data用reshape改为一个n*1的数组。
    c = pd.DataFrame(kmodel.cluster_centers_).sort_values(0, ascending=True)  # 改动2  将训练得到的聚类中心，按从小到大排序）
    w = c.rolling(2).mean().iloc[1:]  # 改动3 相邻两项求中间点，作为边界点
    w = [0] + list(w[0]) + [data.max()]  # 把首末边界点加上
    d3 = pd.cut(data, w, labels=range(k))


def cluster_plot(d, k):  # 自定义作图函数来显示聚类结果
    import matplotlib.pyplot as plt
    plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
    plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号

    plt.figure(figsize=(8, 3))
    for j in range(0, k):
        plt.plot(data[d == j], [j for i in d[d == j]], 'o')

    plt.ylim(-0.5, k - 0.5)
    return plt


if __name__ == '__main__':  #改动5
    cluster_plot(d1, k).show()
    cluster_plot(d2, k).show()
    cluster_plot(d3, k).show()