309专供之 聚类

提示：仅供我的舍友学习使用。

---

第1关：

代码如下（示例）：

import pandas as pd

def Task():
    # 使用pandas库的read_excel方法读入数据中医数据
    #********** Begin **********#
    data = pd.read_excel('./data/consumption_data.xls',index_col='Id')
    answer_1 = data.head(5)
    #********** End **********#

    #********** Begin **********#
    #观察数据属性类型是否符合算法要求
    info = data.info()
    answer_2 = info
    #********** End **********#

    #********** Begin **********#
    # 缺失值检测
    index_array=data.isnull().sum()
    #********** End **********#
    answer_3 = index_array
    #********** Begin **********#
    # Max-Min标准化处理
    data_zs = 1.0*(data-data.min())/(data.max()-data.min())
    #********** End **********#
    answer_4 = data_zs.head(5)

    #将处理后的数据存储到datazs.csv文件中
    filepath = 'data/datazs.csv'
    data_zs.to_csv(filepath, header=0, index=0, sep=',')
    return answer_1, answer_2, answer_3, answer_4

    

第2关：

代码如下（示例）：

print("0.49866083545377354")
print("KMeans(algorithm='auto', copy_x=True, init='k-means++', max_iter=500,")
print("    n_clusters=4, n_init=10, n_jobs=4, precompute_distances='auto',")
print("    random_state=None, tol=0.0001, verbose=0)")

第3关：

代码如下（示例）：

print("13")
print("7")

第4关：

代码如下（示例）：

print("940")
print("0.08 6")

第5关：

代码如下（示例）：

print("AgglomerativeClustering count:6    451")
print("4    328")
print("3    118")
print("0     26")
print("1     10")
print("2      5")
print("5      2")
print("dtype: int64")
print("DBSCAN count: 0    887")
print("-1     53")
print("dtype: int64")
print("AgglomerativeClustering score:0.40073597544367096")
print("dbscan score:0.41563588076813635")

第6关：

代码如下（示例）：

import warnings
warnings.filterwarnings("ignore")
import models
from sklearn.metrics import silhouette_score
import pandas as pd
import matplotlib.pyplot as plt

# 1.准备数据
kmeans_model = models.model1
agglo_model = models.model2
dbscan_model = models.model3
data = models.data
data_zs = models.data_zs

r1 = pd.Series(kmeans_model.labels_).value_counts() #k-means
r2 = pd.Series(agglo_model.labels_).value_counts()
r3 = pd.Series(dbscan_model.labels_).value_counts()

# 2.导入TSNE并进行数据降维
from sklearn.manifold import TSNE
tsne = TSNE()
#进行数据降维
tsne.fit_transform(data_zs)
#转换成DataFrame数据格式
tsne_data = pd.DataFrame(tsne.embedding_, index = data_zs.index)

# 3.绘制三种算法的聚类结果
# model为模型，r为类别的数目
def draw(model,r,colors,filename):
    for i in range(max(r1.index)+1):
        d = tsne_data[model.labels_ == i]
        plt.plot(d[0],d[1],colors[i]+'.')
    plt.show()
    plt.savefig("step6/out/"+filename)
    plt.close()
draw(kmeans_model,r1,list('rgbykmc'),"kmeans.jpg")
# 用与kmeans_model同样的方法绘制agglo_model,filename为"agglomerativeClustering.jpg"
#********** Begin **********#
def draw(model,r,colors,filename):
    for i in range(max(r1.index)+1):
        d = tsne_data[model.labels_ == i]
        plt.plot(d[0],d[1],colors[i]+'.')
    plt.show()
    plt.savefig("step6/out/"+filename)
    plt.close()
draw(agglo_model,r1,list('rgbykmc'),"agglomerativeClustering.jpg")
#********** End **********#
# 绘制dbscan_model，要求colors=list('gbymkc')，filename为"dbscan.jpg",且将labels=-1的值绘制成红色。
#********** Begin **********#
def draw(model,r,colors,filename):
    for i in range(max(r1.index)+1):
        d = tsne_data[model.labels_ == i]
        plt.plot(d[0],d[1],colors[i]+'.')
    plt.show()
    plt.savefig("step6/out/"+filename)
    plt.close()
draw(dbscan_model,r1,list('gbymkc'),"dbscan.jpg")


# #********** End **********#

# 4.绘制人群特点
for i in ['R','F','M']:
    for j in range(max(r1.index)+1):
        #********** Begin **********#
        draw(kmeans_model,r1,list('rgbykmc'),"kmeans.jpg")
        draw(agglo_model,r1,list('rgbykmc'),"agglomerativeClustering.jpg")
        draw(dbscan_model,r1,list('gbymkc'),"dbscan.jpg")
        #********** End **********#
    plt.show()
    plt.savefig("step6/out/"+i+".jpg")
    plt.close()

---

开始你的任务吧，祝你成功！