python利用K-Means算法实现对数据的聚类案例详解
作者:谁偷了我的酒窝 时间:2021-02-28 10:01:29
目的是为了检测出采集数据中的异常值。所以很明确,这种情况下的簇为2:正常数据和异常数据两大类
1、安装相应的库
import matplotlib.pyplot as plt # 用于可视化
from sklearn.cluster import KMeans # 用于聚类
import pandas as pd # 用于读取文件
2、实现聚类
2.1 读取数据并可视化
# 读取本地数据文件
df = pd.read_excel("../data/output3.xls", header=0)
本次实验选择温度和CO2作为二维数据,其中温度含有异常数据。
plt.scatter(df["光照"], df["CO2"], linewidths=1, alpha=0.8)
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签v
plt.xlabel("光照")
plt.ylabel("CO2")
plt.grid(color="#95a5a6", linestyle="--", linewidth=1, alpha=0.4)
plt.show()
2.2 K-means聚类
设置规定要聚的类别个数为2
data = df[["光照","CO2"]] # 从原始数据中选择该两项
estimator = KMeans(n_clusters=2) # 构造聚类器
estimator.fit(data) # 将数据带入聚类模型
获取聚类中心的值和聚类标签
label_pred = estimator.labels_ # 获取聚类标签
centers_ = estimator.cluster_centers_ # 获取聚类中心
将聚类后的 label0 和 label1 的数据进行输出
x0 = data[label_pred == 0]
x1 = data[label_pred == 1]
plt.scatter(x0["光照"], x0["CO2"],c="red", linewidths=1, alpha=0.8,marker='o', label='label0')
plt.scatter(x1["光照"], x1["CO2"],c="green", linewidths=1, alpha=0.8,marker='+', label='label1')
plt.grid(c="#95a5a6", linestyle="--", linewidth=1, alpha=0.4)
plt.legend()
plt.show()
附上全部代码
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
import pandas as pd
df = pd.read_excel("../data/output3.xls", header=0)
plt.scatter(df["光照"], df["CO2"], linewidths=1, alpha=0.8)
plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签v
plt.xlabel("光照")
plt.ylabel("CO2")
plt.grid(color="#95a5a6", linestyle="--", linewidth=1, alpha=0.4)
plt.show()
data = df[["光照","CO2"]]
estimator = KMeans(n_clusters=2) # 构造聚类器
estimator.fit(data) # 聚类
label_pred = estimator.labels_ # 获取聚类标签
centers_ = estimator.cluster_centers_ # 获取聚类结果
# print("聚类标签",label_pred)
# print("聚类结果",centers_)
# predict = estimator.predict([[787.75862069, 1505]]) # 测试新数据聚类结果
# print(predict)
x0 = data[label_pred == 0]
x1 = data[label_pred == 1]
plt.scatter(x0["光照"], x0["CO2"],c="red", linewidths=1, alpha=0.8,marker='o', label='label0')
plt.scatter(x1["光照"], x1["CO2"],c="green", linewidths=1, alpha=0.8,marker='+', label='label1')
plt.grid(c="#95a5a6", linestyle="--", linewidth=1, alpha=0.4)
plt.legend()
plt.show()
来源:https://blog.csdn.net/qq_35896136/article/details/116146292
标签:python,K-Means,算法,聚类
![](/images/zang.png)
![](/images/jiucuo.png)
猜你喜欢
LangChain简化ChatGPT工程复杂度使用详解
2022-10-21 22:25:34
Pytorch训练过程出现nan的解决方式
2021-04-21 08:12:08
![](https://img.aspxhome.com/file/2023/4/76824_0s.jpg)
python openpyxl打开文件关闭问题
2023-02-19 17:27:42
![](https://img.aspxhome.com/file/2023/8/92108_0s.png)
asp如何获知文件最后的修改日期和时间?
2009-11-24 20:49:00
asp使用正则自动解析图片地址并保存
2007-08-17 11:29:00
![](https://img.aspxhome.com/file/UploadPic/up/2007081711544653.jpg)
Python提高运行速度工具之Pandarallel的使用教程
2021-07-16 20:14:09
![](https://img.aspxhome.com/file/2023/9/93699_0s.png)
PHPMailer发送邮件功能实现流程
2023-06-03 13:11:18
![](https://img.aspxhome.com/file/2023/7/55327_0s.png)
Python一些线程的玩法总结
2023-03-13 12:02:18
Mysql触发器处理本表数据
2010-10-25 19:56:00
Python线程编程之Thread详解
2022-04-10 17:37:01
![](https://img.aspxhome.com/file/2023/7/123527_0s.png)
SHA256算法 asp源码
2009-08-28 13:01:00
关于SQL Server中索引使用及维护简介
2008-12-24 15:39:00
python简单实现旋转图片的方法
2021-06-09 08:29:11
python政策网字体反爬实例(附完整代码)
2021-04-27 19:51:32
![](https://img.aspxhome.com/file/2023/1/93751_0s.jpg)
python多线程编程中的join函数使用心得
2021-09-28 16:49:30
![](https://img.aspxhome.com/file/2023/7/118327_0s.jpg)
Python的re模块正则表达式操作
2023-08-21 11:47:08
mysql UNIX时间戳与日期的相互转换
2010-02-10 12:10:00
python数字图像处理实现直方图与均衡化
2021-04-01 14:44:59
![](https://img.aspxhome.com/file/2023/7/120937_0s.png)
Access数据库下如何使用通用对话框的问题
2008-11-28 16:37:00
python语言的优势是什么
2022-04-15 18:45:25