サンプル
北京、2959.19,730.79,749.41,513.34,467.87,1141.82,478.42,457.64
天津、2459.77,495.47,697.33,302.87,284.19,735.97,570.84,305.08
河北、1495.63,515.90,362.37,285.32,272.95,540.58,364.91、 188.63
山西省、1406.33,477.77,290.15,208.57,201.50,414.72,281.84,212.10
内モンゴル、1303.97,524.29,254.83,192.17,249.81,463.09,287.87,192.96
遼寧省、1730.84,553.90,246.91,279.81,239.18,445.20,330.24 、163.86
吉林、1561.86,492.42,200.49,218.36,220.69,459.62,360.48,147.76
黒竜江、1410.11,510.71,211.88,277.11,224.65,376.82,317.61,152.85
上海、3712.31,550.74,893.37,346.93,527.00,1034.98、 720.33,462.03
江蘇省、2207.58,449.37,572.40,211.92,302.09,585.23,429.77,252.54
浙江、2629.16,557.32,689.73,435.69,514.66,795.87,575.76,323.36
安徽省、1844.78,430.29,271.28,126.33,250.56,513.18,314.00,151.39
福建、2709.46,428.11,334.12,160.77,405.14,461.67,535.13,232.29
江西、1563.78,303.65,233.81,107.90,209.70,393.99,509.39、 160.12
山東、1675.75,613.32,550.71,219.79,272.59,599.43,371.62,211.84
河南、1427.65,431.79,288.55,208.14,217.00,337.76,421.31,165.32
湖南省、1942.23,512.27,401.39,206.06,321.29,697.22,492.60 、226.45
湖北省、1783.43,511.88,282.84,201.01,237.60,617.74,523.52,182.52
広東省、3055.17,353.23,564.56,356.27,811.88,873.06,1082.82,420.81
広西チワン族自治区、2033.87,300.82,338.65,157.78,329.06,621.74、 587.02,218.27
海南、2057.86,186.44,202.72,171.79,329.65,477.17,312.93,279.19
重慶、2303.29,589.99,516.21,236.55,403.92,730.05,438.41,225.80
四川省、1974.28,507.76,344.79,203.21,240.24,575.10,430.36,223.46
貴州、1673.82,437.75,461.61,153.32,254.66,445.59,346.11,191.48
雲南、2194.25,537.01,369.07,249.54,290.84,561.91,407.70、 330.95
チベット、2646.61,839.70,204.44,209.11,379.30,371.04,269.59,389.33
陝西、1472.95,390.89,447.95,259.51,230.61,490.90,469.10,191.34
甘粛、1525.57,472.98,328.90,219.86,206.65,449.69,249.66 、228.19
青海、1654.69,437.77,258.78,303.00,244.93,479.53,288.56,236.51
寧夏回族自治区、1375.46,480.89,273.84,317.32,251.08,424.75,228.73,195.93
新疆、1608.82,536.05,432.46,235.82,250.28,541.30、 344.85,214.40
NP numpyのインポートAS
関数kmeans＃インポートKMean sklearn.clusterからは、クラスタリングアルゴリズムを導入
loaddataの（filePathに）DEF：
FR =オープン（filePathに、 'R＆LT +'）を読み取る＃のために開かれている
行のfr.readlines =（）
RETDATA = []
retCityName = []
ラインのためのラインで：
#Print（ライン）
。line.strip項目=（）スプリット（ ""）＃への部門のリストを返し、ストリップは、N- \削除
#Print（項目）
retCityName.append（アイテム[ 0]）＃データの場所は、都市名を加え
範囲のIためretData.appendを（[フロート（項目[I]）（1、LEN（アイテム））]）
RETDATA、retCityNameを返す
IF __name__ == '__main__'：
データ、cityName = loaddataの（ 'city.txt' ）＃インポートデータ
数キロメートル=関数kmeans（n_clusters = 4） ＃1 クラスタ中心
ラベル= km.fit_predict（データ）＃呼び出しアルゴリズムベースのラベル、n_clusters = 4のデフォルトの呼び出しユークリッド空間から、クラスに分け
#Print（ラベル）
#Print（km.cluster_centers_）
費用= np.sum（km.cluster_centers_、軸= 1）＃総和コスト
#Print（費用）を
#Print（費用）
CityCluster = []、[]、[ =に相当する]、[]]＃次元アレイ、4 n_clusters。
範囲のiについて（LEN（cityName））
。CityCluster [ラベル[I]アペンド（cityName [I]）＃をアレイに追加された
範囲内にiについて（LEN （CityCluster））：
印刷（ "費用に：％2F" ％経費[I]）
を印刷（CityCluster [I]）
出力
