【科研绘图】【K-均值聚类图】:附Origin详细画图流程

目录

1、理解K-均值聚类图

2、画图流程


1、理解K-均值聚类图

K-均值聚类图,通过可视化方式展示K-均值聚类算法结果的一种图形。这种图形有助于直观地评估聚类效果。K-均值聚类图主要通过散点图的形式展示聚类结果。在散点图中,每个数据点代表一个观测值,不同的颜色或形状代表不同的簇,而簇的质心则以特定的标记(如圆圈、星号等)表示。

2、 画图流程

(1)导入数据并绘图

  • 选中所有数据→点击“统计”→点击“多变量分析”→点击“K-均值聚类分析”→点击“打开对话框”

  • 弹出“K-均值聚类分析”对话框→点击“输入”→选择“变量”和“观测值标签”

  • 点击“选项”→输入“聚类个数”和“最大迭代次数”

  • 点击“输出量”→按需勾选“初始聚类中心、方差分析、聚类成员、聚类间距”→点击“确定”

  • 生成几个子表→选择子表“Cluster”→双击图片

(2)设置绘图细节

  • 点击图形→弹出“绘图细节-绘图属性”对话框

  • 选择左侧代表数据的“1*:300*”行→点击“符号”→设置“形状”、“大小”、“边缘颜色”和“填充色 ”

  • 点击“质心”→设置符号“形式”、“颜色”和“大小”→点击“确定”

  • 点击“垂直线”→分别勾选“水平”和“垂直”→设置相关参数
  • 注:本步骤非必要可忽略

(3)设置图例

  • 点击图例→单击右键→点击“属性”→弹出“文本对象”对话框
  • 点击“文本”→设置“字体”并修改图例内容
  • 点击“边框”→设置为“无”→点击“应用”→点击“确定”

(4)设置坐标轴和网格线

  • 双击坐标轴→弹出“坐标轴-图层1”对话框
  • 依次点击左侧横坐标和纵坐标,分别设置“刻度、刻度线标签、轴线和刻度线...”等要素
  • 点击网格→设置网格线参数信息→点击“应用”→点击“确定”。

(5)效果图

获更多科研图片,请移步公种号:游鱼戏莲

  • 16
    点赞
  • 14
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
以下是使用Python进行K-means聚类算法并将每个元素分组的情况绘图的示例代码: ```python # 导入所需的库 import pandas as pd import numpy as np from sklearn.cluster import KMeans import matplotlib.pyplot as plt # 读取数据 data = pd.read_csv('data.csv') # 转换数据格式为numpy数组 X = np.array(data.iloc[:, 1:]) # 设置聚类数K K = 3 # 创建KMeans聚类对象 kmeans = KMeans(n_clusters=K, random_state=0) # 进行聚类 kmeans.fit(X) # 获取聚类结果标签 labels = kmeans.labels_ # 将聚类结果标签添加到原数据中 data['Label'] = labels # 获取聚类中心 centers = kmeans.cluster_centers_ # 绘制聚类结果 colors = ['red', 'blue', 'green'] for i in range(K): group = data[data['Label'] == i] plt.scatter(group.iloc[:, 1], group.iloc[:, 2], c=colors[i], label='Group '+str(i+1)) plt.scatter(centers[:, 0], centers[:, 1], marker='*', s=200, c='black', label='Centers') plt.xlabel('Feature 1') plt.ylabel('Feature 2') plt.title('K-means Clustering') plt.legend() plt.show() ``` 说明: 1. 首先导入所需的库,包括pandas、numpy、sklearn中的KMeans聚类算法和matplotlib绘图库。 2. 读取数据并将其转换为numpy数组。 3. 设置聚类数K。 4. 创建KMeans聚类对象,并使用fit方法进行聚类。 5. 获取聚类结果标签,并将其添加到原数据中。 6. 获取聚类中心。 7. 绘制聚类结果。使用不同的颜色表示不同的分组,使用星号表示聚类中心。 请注意,这只是一个示例代码,你需要根据你的数据和具体需求进行相应的调整。
评论 2
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值