k-means python实现及数据.zip

k-means的python实现及数据，使用numpy实现了k-means的算法实例

import numpy as np
import matplotlib.pyplot as plt


# 返回距离样本最近的质心的下标索引
def group_one（sample centers）:
    distance_vect = np.sum（（sample-centers）**2 axis=1）

    return np.argmin（distance_vect）


# 将所有样本分组到k个质心，返回二维列表[[属于分组1的样本][属于分组2的样本]...]
def group_all（data k centers）:

    # 这里使用二维列表，而不是ndarray的原因在于，每个分组的大小，也就是样本的个数是不确定的
    # 而array是确定大小的，强行转换这里会变成列表对象的数组，效率低下且更容易出错
    # 如果有更好的做法欢迎交流
    groups = []
    for index in range（k）:
        groups.append（[]）

    # 对每一个样本进行分组
    for sample in data:
        index = group_one（sample centers）
        groups[index].append（sample.tolist（））

    return groups


# 根据样本分组，更新每个质心的位置
def update_centers（data k groups）:
    centers = np.zeros（（k data.shape[1]））

    for index in range（k）:
        centers[index] = np.mean（np.array（groups[index]） axis=0）

    return centers


# 检测与上一次迭代的更新差值
def iter_diff（old_centers new_centers）:
    return np.sum（np.abs（old_centers - new_centers））


# 生成随机质心
def rand_center（data k）:
    # 共k个质心，data.shape[1]是每个数据样本的维度，质心的维度应与样本的维度一致。
    centers = np.random.rand（k data.shape[1]）
    # rand随机的范围是零到一，要适用于样本的范围需要进行缩放
    # 这里使用样本在该维度的最大值作为每个维度上的缩放倍数
    scale = np.max（data axis=0）
    centers *= scale
    return centers


# 迭代主体函数
def classify（data k threshold max_iter=0）:
    centers = rand_center（data k）
    loss = float（“inf“）
    iter_count = 0

    # 当loss小于阈值，或迭代次数大于指定最大次数时（若不指定则只判断loss足够低）终止
    while loss > threshold and （（max_iter == 0） or iter_count < max_iter）:
        groups = group_all（data k centers）

        old_centers = centers
        centers = update_centers（data k groups）
        loss = iter_diff（old_centers centers）
        iter_count += 1
        print（“iter_%d : loss=%f“ % （iter_count loss））

    return centers groups


# 绘图
def paint_result（data centers k groups debug=False）:
    c = []
    flatten_group = []
    for index in range（k）:
        for item in groups[index]:
            c.append（index）
            flatten_group.append（item）

    groups = np.array（flatten_group）
    if debug:
        plt.scatter（groups[: 0] groups[: 1]）
    else:
        plt.scatter（groups[: 0] groups[: 1]c=c）
    plt.scatter（centers[: 0] centers[: 1] color=“red“）
    plt.show（）


def main（）:
    data = np.loadtxt（“d:/data.csv“ delimiter=““）
    data.resize（（500 2））
    center groups = classify（data 3 0 0）

    paint_result（data center 3 groups）


if __name__ == ‘__main__‘:
    main（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件       25501  2018-03-18 23:56  data.csv
     文件        3160  2018-03-19 22:17  kmeans.py