Python实现K-means聚类算法

用python写的一个k-means聚类算法的实现，测试数据在压缩包的data.txt中，结果通过图示的方法进行直观展示。

from numpy import *  
import time  
import matplotlib.pyplot as plt  
  
  
# calculate Euclidean distance  
def euclDistance（vector1 vector2）:  
    return sqrt（sum（power（vector2 - vector1 2）））  
  
# init centroids with random samples  
def initCentroids（dataSet k）:  
    numSamples dim = dataSet.shape  
    centroids = zeros（（k dim））  
    for i in range（k）:  
        index = int（random.uniform（0 numSamples））  
        centroids[i :] = dataSet[index :]  
    return centroids  
  
# k-means cluster  
def kmeans（dataSet k）:  
    numSamples = dataSet.shape[0]  
    # first column stores which cluster this sample belongs to  
    # second column stores the error between this sample and its centroid  
    clusterAssment = mat（zeros（（numSamples 2）））  
    clusterChanged = True  
  
    ## step 1: init centroids  
    centroids = initCentroids（dataSet k）  
  
    while clusterChanged:  
        clusterChanged = False  
        ## for each sample  
        for i in xrange（numSamples）:  
            minDist  = 100000.0  
            minIndex = 0  
            ## for each centroid  
            ## step 2: find the centroid who is closest  
            for j in range（k）:  
                distance = euclDistance（centroids[j :] dataSet[i :]）  
                if distance < minDist:  
                    minDist  = distance  
                    minIndex = j  
              
            ## step 3: update its cluster  
            if clusterAssment[i 0] != minIndex:  
                clusterChanged = True  
                clusterAssment[i :] = minIndex minDist**2  
  
        ## step 4: update centroids  
        for j in range（k）:  
            pointsInCluster = dataSet[nonzero（clusterAssment[: 0].A == j）[0]]  
            centroids[j :] = mean（pointsInCluster axis = 0）  
  
    print ‘Congratulations cluster complete!‘  
    return centroids clusterAssment  
  
# show your cluster only available with 2-D data  
def showCluster（dataSet k centroids clusterAssment）:  
    numSamples dim = dataSet.shape  
    if dim != 2:  
        print “Sorry! I can not draw because the dimension of your data is not 2!“  
        return 1  
  
    mark = [‘or‘ ‘ob‘ ‘og‘ ‘ok‘ ‘^r‘ ‘+r‘ ‘sr‘ ‘dr‘ ‘    if k > len（mark）:  
        print “Sorry! Your k is too large!“  
        return 1  
  
    # draw all samples  
    for i in xrange（numSamples）:  
        markIndex = int（clusterAssment[i 0]）  
        plt.plot（dataSet[i 0] dataSet[i 1] mark[markIndex]）  
  
    mark = [‘Dr‘ ‘Db‘ ‘Dg‘ ‘Dk‘ ‘^b‘ ‘+b‘ ‘sb‘ ‘db‘ ‘    # draw the centroids  
    for i in range（k）:  
        plt.plot（centroids[i 0] centroids[i 1] mark[i] markersize = 12）  
  
    plt.show（） 

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     文件          80  2014-05-26 14:26  kmeans\data.txt
     文件          80  2014-05-26 14:25  kmeans\data.txt~
     文件        2749  2014-05-26 14:29  kmeans\kmeans.py
     文件        2649  2014-05-26 14:29  kmeans\kmeans.pyc
     文件        2749  2014-05-26 14:29  kmeans\kmeans.py~
     文件         599  2014-05-26 14:28  kmeans\test.py
     文件         599  2014-05-26 14:28  kmeans\test.py~
     目录           0  2014-05-26 21:32  kmeans\