python聚类算法解决方案（rest接口/mpp数据库/json数据/下载图片及数据）

1. 场景描述

一直做java，因项目原因，需要封装一些经典的算法到平台上去，就一边学习python，一边网上寻找经典算法代码，今天介绍下经典的K-means聚类算法，算法原理就不介绍了，只从代码层面进行介绍，包含：rest接口、连接mpp数据库、回传json数据、下载图片及数据。

2. 解决方案

2.1 项目套路

（1）python经典算法是单独的服务器部署，提供rest接口出来，供java平台调用，交互的方式是http+json；

（2）数据从mpp数据库-Greenplum中获取；

（3）返回的数据包括三个：1是生成聚类图片的地址；2是聚类项目完整数据地址；3是返回给前端的200条json预览数据。

2.2 restapi类

分两个类，第一个是restapi类，封装rest接口类，其他的经典算法在这里都有对应的方法，是个公共类。

完整代码：

# -*- coding: utf-8 -*-
from flask import Flask, request, send_from_directory
from k_means import exec
import logging
app = Flask(__name__)
#1.服务器上更改为服务器地址，用于存放数据
dirpath = 'E:\\ruanjianlaowang'
#2. 测试连通性，软件老王
@app.route('/')
def index():
 return "Hello, World!"
#3. k-means算法 软件老王
@app.route('/getKmeansInfoByLaowang', methods=['POST'])
def getKmeansInfoByLaowang():
 try:
    result = exec(request.get_json(), dirpath)
 except IndexError as e:
   logging.error(str(e))
   return 'exception:' + str(e)
 except KeyError as e:
   logging.error(str(e))
   return 'exception:' + str(e)
 except ValueError as e:
   logging.error(str(e))
   return 'exception:' + str(e)
 except Exception as e:
   logging.error(str(e))
   return 'exception:' + str(e)
 else:
   return result
#4.文件下载（图片及csv）
@app.route("/<path:filename>")
def getImages(filename):
 return send_from_directory(dirpath, filename, as_attachment=True)
#5.启动
if __name__ == '__main__':
 app.run(host="0.0.0.0", port=5000, debug=True)

代码说明：

使用的是第三方的flask提供的rest服务

（1）服务器上更改为服务器地址，用于存放数据

（2）测试连通性，软件老王

（3）k-means算法 软件老王

（4）文件下载（图片及csv）

（5）启动

2.3 k-means算法类

完整代码：

import pandas as pd
import dbgp as dbgp
from pandas.io import json
from numpy import *
import matplotlib.pyplot as plt
import numpy as np
plt.switch_backend('agg')
import logging
# 执行 软件老王
def exec(params, dirpath):
#1.获取参数，软件老王
 sql = params.get("sql")
 xlines = params.get("xlines")
 ylines = params.get("ylines")
 xlinesname = params.get("xlinesname")
 ylinesname = params.get("ylinesname")
 grouplinesname = params.get("grouplinesname")
times = int(params.get("times"))
 groupnum = int(params.get("groupnum"))
 url = params.get("url")
 name = params.get("name")
#2. 校验是否为空，软件老王
 flag = checkparam(sql, xlines, ylines, times, groupnum)
 if not flag is None and len(flag) != 0:
   return flag
#3. 从数据库获取数据，软件老王
 try:
   data = dbgp.queryGp(sql)
 except IndexError:
   return sql
 except KeyError:
   return sql
 except ValueError:
   return sql
 except Exception:
   return sql
if data.empty:
   return "exception:此数据集无数据，请确认后重试"
 #4 调用第三方sklearn的KMeans聚类算法，软件老王
 # data_zs = 1.0 * (data - data.mean()) / data.std() 数据标准化，不需要标准话
 from sklearn.cluster import KMeans
 model = KMeans(n_clusters=groupnum, n_jobs=4, max_iter=times)
 model.fit(data) # 开始聚类
return export(model, data, data, url, dirpath, name,grouplinesname,xlines, ylines,xlinesname,ylinesname)
# 5.生成导出excel 软件老王
def export(model, data, data_zs, url, dirpath, name,grouplinesname,xlines, ylines,xlinesname,ylinesname):
# #详细输出原始数据及其类别
 detail_data = pd.DataFrame().append(data)
 if not grouplinesname is None and len(grouplinesname) != 0:
   detail_data.columns = grouplinesname.split(',')
r_detail_new = pd.concat([detail_data, pd.Series(model.labels_, index=detail_data.index)], axis=1) # 详细输出每个样本对应的类别
 r_detail_new.columns = list(detail_data.columns) + [u'聚类类别'] # 重命名表头
 outputfile = dirpath + name + '.csv'
 r_detail_new.to_csv(outputfile, encoding='utf_8_sig') # 保存结果
#重命名表头
 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
 r.columns = list(data.columns) + [u'类别数目'] # 重命名表头
return generateimage(r, data_zs, url, dirpath, name,model,xlines, ylines,xlinesname,ylinesname)
#6.生成图片及返回json，软件老王
def generateimage(r, data_zs, url, dirpath, name,model,xlines, ylines,xlinesname,ylinesname):
 image = dirpath + name + '.jpg'
#6.1 中文处理，软件老王
 plt.rcParams['font.sans-serif'] = ['simhei']
 plt.rcParams['font.family'] = 'sans-serif'
 plt.rcParams['axes.unicode_minus'] = False
 # 6.2 画图，生成图片，软件老王
 labels = model.labels_
 centers = model.cluster_centers_
 data_zs['label'] = labels
 data_zs['label'] = data_zs['label'].astype(np.int)
 # 图标集合
 markers = ['o', 's', '+', 'x', '^', 'v', '<', '>']
 colors = ['b', 'c', 'g', 'k', 'm', 'r', 'y']
 symbols = []
 for m in markers:
   for c in colors:
     symbols.append((m, c))
 # 画每个类别的散点及质心
 for i in range(0, len(centers)):
   df_i = data_zs.loc[data_zs['label'] == i]
   symbol = symbols[i]
   center = centers[i]
x = df_i[xlines].values.tolist()
   y = df_i[ylines].values.tolist()
plt.scatter(x, y, marker=symbol[0], color=symbol[1], s=10)
   plt.scatter(center[0], center[1], marker='*', color=symbol[1], s=50)
plt.title(name)
 plt.xlabel(xlinesname)
 plt.ylabel(ylinesname)
 plt.savefig(image, dpi=150)
 plt.clf()
 plt.close(0)
# 6.3 返回json数据给前端展示，软件老王
 result = {}
 result['image_url'] = url + '/' + name + '.jpg'
 result['details_url'] = url + '/' + name + '.csv'
 result['data'] = r[:200]  #显示200，多的话，相当于预览
 result = json.dumps(result, ensure_ascii=False)
 result = result.replace('\\', '')
 return result
def checkparam(sql, xlines, ylines, times, groupnum):
 if sql is None or sql.strip() == '' or len(sql.strip()) == 0:
   return "数据集或聚类数据列，不能为空"
 if xlines is None or xlines.strip() == '' or len(xlines.strip()) == 0:
   return "X轴，不能为空"
 if ylines is None or ylines.strip() == '' or len(ylines.strip()) == 0:
   return "Y轴，不能为空"
 if times is None or times <= 0:
   return "聚类个数，不能为空或小于等于0"
 if groupnum is None or groupnum <= 0:
   return "迭代次数，不能为空或小于等于0"

代码说明：

（1）获取参数，软件老王；

（2）校验是否为空，软件老王；

（3）从数据库获取数据，软件老王；

（4）第三方sklearn的KMeans聚类算法，软件老王；

（5）生成导出excel 软件老王

（6）生成图片及返回json，软件老王

（6.1） 中文处理，软件老王

（6.2） 画图，生成图片，软件老王

（6.3） 返回json数据给前端展示，软件老王

2.4 执行效果

2.4.1 json返回

{"image_url":"http://10.192.168.1:5000/ruanjianlaowang_65652.jpg","details_url":"http://10.192.168.1:5000/ruanjianlaowang_65652.csv","data":{"empno":{"0":7747.2,"1":7699.625,"2":7839.0},"mgr":{"0":7729.8,"1":7745.25,"2":7566.0},"sal":{"0":2855.0,"1":1218.75,"2":5000.0},"comm":{"0":29.5110766,"1":117.383964625,"2":31.281453},"deptno":{"0":20.0,"1":25.0,"2":10.0},"类别数目":{"0":5,"1":8,"2":1}}}

2.4.2 返回图片

2.4.3 返回的数据

另外说明： 目前项目环境上用的是8核16G的虚拟机，执行数据量是30万，运行状况良好。

来源：https://www.cnblogs.com/ruanjianlaowang/p/11421785.html