大数据癌症疾病预测算法python版含数据

大数据癌症疾病预测算法python版（含数据），建议使用pycharm运行。

#-*- coding: utf-8 -*-
‘‘‘
聚类离散化，最后的result的格式为：
      1           2           3           4
A     0    0.178698    0.257724    0.351843
An  240  356.000000  281.000000   53.000000
即（0 0.178698]有240个，（0.178698 0.257724]有356个，依此类推。
‘‘‘
from __future__ import print_function
import pandas as pd
from sklearn.cluster import KMeans #导入K均值聚类算法

datafile = ‘../data/data.xls‘ #待聚类的数据文件
processedfile = ‘../tmp/data_processed.xls‘ #数据处理后文件
typelabel ={u‘肝气郁结证型系数‘:‘A‘ u‘热毒蕴结证型系数‘:‘B‘ u‘冲任失调证型系数‘:‘C‘ u‘气血两虚证型系数‘:‘D‘ u‘脾胃虚弱证型系数‘:‘E‘ u‘肝肾阴虚证型系数‘:‘F‘}
k = 4 #需要进行的聚类类别数

#读取数据并进行聚类分析
data = pd.read_excel（datafile） #读取数据
keys = list（typelabel.keys（））
result = pd.Dataframe（）

if __name__ == ‘__main__‘: #判断是否主窗口运行，如果是将代码保存为.py后运行，则需要这句，如果直接复制到命令窗口运行，则不需要这句。
  for i in range（len（keys））:
    #调用k-means算法，进行聚类离散化
    print（u‘正在进行“%s”的聚类...‘ % keys[i]）
    kmodel = KMeans（n_clusters = k n_jobs = 4） #n_jobs是并行数，一般等于CPU数较好
    kmodel.fit（data[[keys[i]]].as_matrix（）） #训练模型
    
    r1 = pd.Dataframe（kmodel.cluster_centers_ columns = [typelabel[keys[i]]]） #聚类中心
    r2 = pd.Series（kmodel.labels_）.value_counts（） #分类统计
    r2 = pd.Dataframe（r2 columns = [typelabel[keys[i]]+‘n‘]） #转为Dataframe，记录各个类别的数目
    r = pd.concat（[r1 r2] axis = 1）.sort（typelabel[keys[i]]） #匹配聚类中心和类别数目
    r.index = [1 2 3 4]
    
    r[typelabel[keys[i]]] = pd.rolling_mean（r[typelabel[keys[i]]] 2） #rolling_mean（）用来计算相邻2列的均值，以此作为边界点。
    r[typelabel[keys[i]]][1] = 0.0 #这两句代码将原来的聚类中心改为边界点。
    result = result.append（r.T）

  result = result.sort（） #以Index排序，即以ABCDEF顺序排
  result.to_excel（processedfile）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----

     文件       2200  2018-07-29 17:49  demo\code\8-1_discretization.py

     文件       1148  2018-07-29 17:49  demo\code\8-2_apriori_rules.py

     文件       2420  2018-07-29 17:49  demo\code\apriori.py

     文件      20460  2018-07-29 17:49  demo\data\apriori.txt

     文件     193536  2018-07-29 17:49  demo\data\data.xls

     文件       5632  2018-07-29 17:49  demo\tmp\data_processed.xls

     文件       2414  2018-07-29 17:49  test\code\apriori.py

     文件       1133  2018-07-29 17:49  test\code\apriori_rules.py

     文件       2167  2018-07-29 17:49  test\code\discretization.py

     文件      20460  2018-07-29 17:49  test\data\apriori.txt

     文件     193536  2018-07-29 17:49  test\data\data.xls

     目录          0  2018-07-29 17:49  demo\code

     目录          0  2018-07-29 17:49  demo\data

     目录          0  2018-07-29 17:49  demo\tmp

     目录          0  2018-07-29 17:49  test\code

     目录          0  2018-07-29 17:49  test\data

     目录          0  2018-07-29 18:17  test\tmp

     目录          0  2018-07-29 17:49  demo

     目录          0  2018-07-29 18:17  test

----------- ---------  ---------- -----  ----

               445106                    19