python利用K-Means算法实现对数据的聚类案例详解

更新时间：2021年04月27日 11:13:30 作者：谁偷了我的酒窝

这篇文章主要介绍了python利用K-Means算法实现对数据的聚类，本文通过案例讲解的非常详细，对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下

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)

在这里插入图片描述

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()

在这里插入图片描述

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()

在这里插入图片描述

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()

到此这篇关于python利用K-Means算法实现对数据的聚类的文章就介绍到这了,更多相关python K-Means算法数据的聚类内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！

您可能感兴趣的文章:

Python操作lxml库之基础使用篇
lxml库是python的第三方库,安装方式也是十分简单,下面这篇文章主要给大家介绍了关于Python操作lxml库之基础使用篇的相关资料,文中通过示例代码介绍的非常详细,需要的朋友可以参考下
2022-12-12
Python利用matplotlib生成图片背景及图例透明的效果
这篇文章主要给大家介绍了Python利用matplotlib生成图片背景及图例透明效果的相关资料，文中给出了详细的示例代码，相信对大家具有一定的参考家价值，需要的朋友们下面来一起学习学习吧。
2017-04-04
Python中的heapq模块源码详析
这篇文章主要给大家介绍了关于Python中heapq模块的相关资料，文中通过示例代码介绍的非常详细，对大家学习或者使用python具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
2019-01-01
Python获取命令实时输出-原样彩色输出并返回输出结果的示例
今天小编就为大家分享一篇Python获取命令实时输出-原样彩色输出并返回输出结果的示例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2019-07-07
Python 虚拟环境venv详解
Python 虚拟环境主要是为不同 Python 项目创建一个隔离的环境，每个项目都可以拥有独立的依赖包环境，而项目间的依赖包互不影响，对Python 虚拟环境venv相关知识感兴趣的朋友一起看看吧
2021-09-09
neo4j网址拒绝访问的问题及解决
这篇文章主要介绍了neo4j网址拒绝访问的问题及解决,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
2024-02-02
使用 python 实现单人AI 扫雷游戏
这篇文章主要介绍了使用 python 实现单人AI 扫雷游戏,今天我们用 Python 完成这个小程序，并且用AI来学习并实现它，需要的朋友可以参考下
2021-08-08
Django框架静态文件处理、中间件、上传文件操作实例详解
这篇文章主要介绍了Django框架静态文件处理、中间件、上传文件操作,结合实例形式详细分析了Django框架中静态文件处理、中间件及上传文件操作相关实现技巧与注意事项,需要的朋友可以参考下
2020-02-02
pytorch进行上采样的种类实例
今天小编就为大家分享一篇pytorch进行上采样的种类实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧
2020-02-02
Python装饰器用法实例总结
这篇文章主要介绍了Python装饰器用法,结合实例形式总结分析了Python常用装饰器的概念、功能、使用方法及相关注意事项,需要的朋友可以参考下
2018-02-02