【Kmeans&tsne】聚类&可视化

#k_mean算法
import pandas as pd

#参数初始化
inputfile = ‘kmeans_input_xls.xls’ #销量及其他属性数据
#outputfile = ‘data_type.xls’ #保存结果的文件名 xlsx
outputfile = ‘data_type.xlsx’ #保存结果的文件名 xlsx
k = 3 #聚类的类别
iteration = 3 #聚类最大循环次数
data = pd.read_excel(inputfile, index_col = ‘Id’) #读取数据
data_zs = 1.0*(data - data.mean())/data.std() #数据标准化，std()表示求总体样本方差(除以n-1),numpy中std()是除以n
print(data_zs)

from sklearn.cluster import KMeans
model = KMeans(n_clusters = k, max_iter = iteration) #分为k类
#model = KMeans(n_clusters = k, n_jobs = 4, max_iter = iteration) #分为k类，并发数4
model.fit(data_zs) #开始聚类

#简单打印结果
r1 = pd.Series(model.labels_).value_counts() #统计各个类别的数目
r2 = pd.DataFrame(model.cluster_centers_) #找出聚类中心
r = pd.concat([r2, r1], axis = 1) #横向连接（0是纵向），得到聚类中心对应的类别下的数目
print®
r.columns = list(data.columns) + [u’类别数目’] #重命名表头
print®

#详细输出原始数据及其类别
r = pd.concat([data, pd.Series(model.labels_, index = data.index)], axis = 1) #详细输出每个样本对应的类别
r.columns = list(data.columns) + [u’聚类类别’] #重命名表头
r.to_excel(outputfile) #保存结果

#用TSNE进行数据降维并展示聚类结果
from sklearn.manifold import TSNE
tsne = TSNE()
tsne.fit_transform(data_zs) #进行数据降维,并返回结果
tsne = pd.DataFrame(tsne.embedding_, index = data_zs.index) #转换数据格式

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

#不同类别用不同颜色和样式绘图
d = tsne[r[u’聚类类别’] == 0] #找出聚类类别为0的数据对应的降维结果
plt.plot(d[0], d[1], ‘r.’)
d = tsne[r[u’聚类类别’] == 1]
plt.plot(d[0], d[1], ‘go’)
d = tsne[r[u’聚类类别’] == 2]
plt.plot(d[0], d[1], ‘b*’)
plt.savefig(‘kmeans_tsne_18.jpg’)
plt.show()

#原文链接：https://blog.csdn.net/lbweiwan/article/details/82759670

TSNE(n_components=2,random_state=33)这里的参数影响降维后的显示

最后的python代码

#k_mean算法
import pandas as pd
#https://www.jianshu.com/p/d83d9465e14f

#参数初始化
#inputfile = 'kmeans_input_xls.xls' #销量及其他属性数据kmeans_input_xls2csv.csv
inputfile = 'kmeans_input_xls2csv.csv'

#outputfile = 'data_type.xls' #保存结果的文件名 xlsx
outputfile = 'data_type_csv.xlsx' #保存结果的文件名 xlsx
k = 3 #聚类的类别
iteration = 3 #聚类最大循环次数
in_data = pd.read_csv(inputfile) #读取数据
data = in_data.iloc[:,0:3]
#data = pd.read_excel(inputfile, index_col = 'Id') #读取数据
data_zs = 1.0*(data - data.mean())/data.std() #数据标准化，std()表示求总体样本方差(除以n-1),numpy中std()是除以n
print('kmeans_input:\n', data_zs, data_zs.index)

from sklearn.cluster import KMeans
model = KMeans(n_clusters = k, max_iter = iteration) #分为k类
#model = KMeans(n_clusters = k, n_jobs = 4, max_iter = iteration) #分为k类，并发数4
model.fit(data_zs) #开始聚类
print('kmeans_output:\n', data_zs, data_zs.index)
#简单打印结果
r1 = pd.Series(model.labels_).value_counts() #统计各个类别的数目
r2 = pd.DataFrame(model.cluster_centers_) #找出聚类中心
r = pd.concat([r2, r1], axis = 1) #横向连接（0是纵向），得到聚类中心对应的类别下的数目
print(r)
r.columns = list(data.columns) + [u'类别数目'] #重命名表头
print(r)

#详细输出原始数据及其类别
r = pd.concat([data, pd.Series(model.labels_, index = data.index)], axis = 1)  #详细输出每个样本对应的类别
r.columns = list(data.columns) + [u'聚类类别'] #重命名表头
print(r)
r.to_excel(outputfile) #保存结果

#用TSNE进行数据降维并展示聚类结果
from sklearn.manifold import TSNE
tsne = TSNE(n_components=2,random_state=33)
tsne.fit_transform(data_zs) #进行数据降维,并返回结果
tsne = pd.DataFrame(tsne.embedding_, index = data_zs.index) #转换数据格式

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

#不同类别用不同颜色和样式绘图
d = tsne[r[u'聚类类别'] == 0]     #找出聚类类别为0的数据对应的降维结果
plt.plot(d[0], d[1], 'r.')
print(d[0],'\n',d[1], '\n')
d = tsne[r[u'聚类类别'] == 1]
plt.plot(d[0], d[1], 'go')
d = tsne[r[u'聚类类别'] == 2]
plt.plot(d[0], d[1], 'b*')
plt.savefig('kmeans_tsne_18csv.jpg')
plt.show()


#原文链接：https://blog.csdn.net/lbweiwan/article/details/82759670