k-means算法的python实现通用模板+代码详解

算法步骤

"""
1.随机取k个中心点
2. 计算所有点到中心点的距离
    将所有点 分别放入 中心点所在的簇
        更新中心点
            如果中心点不变 结束迭代
    迭代
"""

在文章后面给大家提供一个测试集，虽然模板通用，但要注意数据的格式。

获取数据

#获取数据集
def loadDataSet(filename):
    return np.loadtxt(filename,delimiter=",",dtype=np.float)

计算两点的距离

#计算距离公式
def distance(x,y):
    return np.sqrt(np.sum((x-y)**2))

获得随机的k个数据中心，用于算法的随机取中心点

#随机取出k个中心点
def initCenters(dataset,k):
    """
    返回的k个中心点
    :param dataset:数据集
    :param k:中心点的个数
    :return:
    """
    #不放回取出k个样本的索引
    centersIndex = np.random.choice(len(dataset),k,replace=False)
    #根据索引返回数据中心
    return dataset[centersIndex]

计算两点的距离公式

#计算距离公式
def distance(x,y):
    return np.sqrt(np.sum((x-y)**2))

核心算法部分

def kmeans(dataset,k):
    """
    返回k个簇
    :param dataset:数据集
    :param k:簇的个数
    :return:k个簇，以及簇的中心点
    """
    #初始化中心点
    centers = initCenters(dataset,k)
    n,m = dataset.shape
    #用于存储每个样本属于哪个簇
    clusters = np.full(n,np.nan)
    #迭代 标志
    flag = True
    while flag:
        flag = False
        #计算所有点到簇中心的距离，和更换簇属于哪一个中心
        for i in range(n):
            minDist,clustersIndex = 99999999,0
            for j in range(len(centers)):
                dist = distance(dataset[i],centers[j])
                if dist<minDist:
                    #为样本分簇
                    minDist = dist
                    clustersIndex = j
            if clusters[i]!=clustersIndex:
                clusters[i]=clustersIndex
                flag = True
        #更新簇中心
        for i in range(k):
            subdataset = dataset[np.where(clusters==i)]#取出属于第i个簇的数据放在一起
            centers[i] = np.mean(subdataset,axis=0)#利用mean公式快速求得平均值
    return clusters,centers

数据可视化

#显示
def show(dataset,k,clusters,centers):
    n,m = dataset.shape
    if m>2:
       return 1#纬度大于2不进行可视化
    #根据簇不同 marker不同
    colors = ["r","g","b","y"]
    for i in range(n):
        clusterIndex = clusters[i].astype(np.int)
        plt.plot(dataset[i][0],dataset[i][1],color=colors[clusterIndex],marker="o")
    for i in range(k):
        plt.scatter(centers[i][0],centers[i][1],marker="s")
    plt.show()

效果图

在最后给给大家提供一个测试集

10.235186,11.321997
10.122339,11.810993
9.190236,8.904943
9.306371,9.847394
8.330131,8.340352
10.152785,10.123532
10.408540,10.821986
9.003615,10.039206
9.534872,10.096991
9.498181,10.825446
9.875271,9.233426
10.362276,9.376892
10.191204,11.250851
7.720499,6.476300
9.334379,8.471268
7.963186,6.731333
8.244973,9.013785
9.569196,10.568949
8.854793,9.076536
9.382171,7.240862
8.179055,8.944502
8.267896,8.797017
9.047165,8.725068
8.741043,7.901385
7.190216,7.804587
8.081227,9.314431
8.047460,5.720780
7.917584,7.543254
8.676942,10.102220
9.210251,9.424717
7.732998,9.840202
7.681754,8.609897
7.925863,10.079159
8.261509,8.242080
8.514872,7.527561
10.324450,10.804481
7.856710,7.931543
7.858608,7.995340
9.196808,6.577598
9.644415,10.935081
9.579833,9.085021
7.888484,5.976428
9.072624,9.703344
8.914184,9.298515
7.822869,7.086663
10.538554,11.061464
8.280187,8.709012
8.884223,8.670105
9.359927,10.575055
9.078611,9.710833
7.935134,8.586173
8.805945,10.575145
9.584316,9.614076
11.269714,11.717254
9.120444,9.019774
7.977520,8.313923
8.104648,9.456128
8.617126,7.331723
9.033811,9.469706
8.327680,5.122092
8.532272,10.100909
9.295434,8.933824
9.905202,9.027559
10.585764,10.912733