Kmeans算法python实现

Kmeans算法的python3.5实现 带数据可以直接运行

from numpy import *
from matplotlib import pyplot as plt

#classify data
def loadDataSet（path）:
    numFeat=len（open（path）.readline（）.split（‘ ‘））
    dataMat=[]
    labelMat=[]
    fr=open（path）
    for line in fr.readlines（）:
        lineArr=[]
        curline=line.strip（）.split（‘ ‘）
        for i in range（numFeat-1）:
            lineArr.append（float（curline[i]））
        dataMat.append（lineArr）
        labelMat.append（curline[-1]）
    return dataMatlabelMat

#cluster data
def loadData（path）:
    dataset=[]
    fr=open（path）
    for line in fr.readlines（）:
        lineArr=line.strip（）.split（‘\t‘）
        dataset.append（[float（lineArr[0]）float（lineArr[1]）]）
    return mat（dataset）

def caeuclDistance（vect1 vect2）:
    return sqrt（sum（power（vect1-vect22）））

def initCentroids（dataSetk）:
    numSamplesdim= dataSet.shape
    centroids=zeros（（kdim））
    for i in range（k）:
        index = int（random.uniform（0numSamples））
        centroids[i:]=dataSet[index:]
    return centroids

def kmeans（datasetk）:
    numSamples=dataset.shape[0]
    clusterAssment=mat（zeros（（numSamples2）））
    clusterChange=True
    centroids=initCentroids（datasetk）
    while clusterChange:
        clusterChange=False
        for i in range（numSamples）:
            minDist=100000.00
            clusterlabel=0
            for j in range（k）:
                distance = caeuclDistance（centroids[j:]dataset[i:]）
                if distance                    minDist=distance
                    clusterlabel=j
            if clusterAssment[i0]!= clusterlabel:
                clusterChange=True
                clusterAssment[i:]=clusterlabelminDist**2
        for j in range（k）:
            #why?
            pointsInCluster=dataset[nonzero（clusterAssment[:0].A==j）[0]]
            centroids[j:]=mean（pointsInClusteraxis=0）
    print（‘cluster complete‘）
    return centroidsclusterAssment

def plot（dataSetkcentroidsclusterAssment）:
    numSamplesdim = dataSet.shape
    if dim !=2:
        print（‘Sorry! I can not draw the pictrue bescause the dimension of your data is not 2!‘）
        return 1
    mark = [‘or‘ ‘ob‘ ‘og‘ ‘ok‘ ‘^r‘ ‘+r‘ ‘sr‘ ‘dr‘ ‘    if k>len（mark）:
        print（‘Sorry! Your k is too large!‘）
        return 1
    for i in range（numSamples）:
        markindex=int（clusterAssment[i0]）
        plt.plot（dataSet[i0]dataSet[i1]mark[markindex]）
    markc=[‘Dr‘ ‘Db‘ ‘Dg‘ ‘Dk‘ ‘^b‘ ‘+b‘ ‘sb‘ ‘db‘ ‘    for i in range（k）:
        plt.plot（centroids[i0]centroids[i1]mark[i]markersize=12）
    plt.show（）

def main（）:
    print（‘load data....‘）
    filepath=‘..\data\data.txt‘
    dataset=loadData（filepath）
    k=4
    print（‘cluster data‘）
    centroids clusterAssment=kmeans（datasetk）
    print（‘show the result!‘）
    plot（datasetkcentroidsclusterAssment）

if __name__ == ‘__main__‘:
    main（）

 属性            大小     日期    时间   名称
----------- ---------  ---------- -----  ----
     目录           0  2017-08-06 20:42  kmeans\
     目录           0  2017-08-01 22:10  kmeans\.idea\
     文件           6  2017-08-01 22:10  kmeans\.idea\.name
     文件         164  2017-08-01 22:10  kmeans\.idea\encodings.xml
     文件         284  2017-08-01 22:10  kmeans\.idea\kmeans.iml
     文件        1137  2017-08-01 22:10  kmeans\.idea\misc.xml
     文件         264  2017-08-01 22:10  kmeans\.idea\modules.xml
     目录           0  2017-08-01 22:10  kmeans\.idea\scopes\
     文件         143  2017-08-01 22:10  kmeans\.idea\scopes\scope_settings.xml
     文件         164  2017-08-01 22:10  kmeans\.idea\vcs.xml
     文件       25780  2017-08-10 15:14  kmeans\.idea\workspace.xml
     目录           0  2017-08-06 20:54  kmeans\data\
     文件        1598  2017-08-06 20:55  kmeans\data\data.txt
     目录           0  2017-08-10 15:18  kmeans\src\
     文件        2975  2017-08-10 15:17  kmeans\src\kmeans.py
     文件          30  2017-08-06 20:42  kmeans\src\__init__.py