KMeans聚类算法应用

心已赠人 2023-07-07 08:12 4阅读 0赞

# KMeans聚类算法应用 #

## 1999年31个省份平均每人全年消费支出 ##

import numpy as np
    from sklearn.cluster import KMeans
     
     
    def loadData(filePath):         #利用loadData读取数据
        fr = open(filePath,'r+')     #r+:读写打开一个文本文件
        lines = fr.readlines()          #readlines()方法用于读取所有行(直到结束符 EOF)并返回列表
        retData = []                      #用来存储城市各项消费信息
        retCityName = []                      #用来储存城市名称
        for line in lines:
            items = line.strip().split(",")     #把每行每个字符分开，变成一个个list
            retCityName.append(items[0])           #把item第一个字符串添加到retCityName数组后面
            retData.append([float(items[i]) for i in range(1,len(items))])#len返回列表长度将数据储存在data
        return retData,retCityName           #返回城市名称及消费数据
     
         
    if __name__ == '__main__':
        data,cityName = loadData('city.txt')   
        km = KMeans(n_clusters=5)          #设置五个簇中心
        label = km.fit_predict(data)         #计算簇中心给簇分配序号返回到label标签中
        expenses = np.sum(km.cluster_centers_,axis=1)      #横向计算每个城市的总开销，并把它归类到相应的簇里面并求平均，得到expense[i]从0到4
        print(expenses)
        CityCluster = [[],[],[],[],[]]
        for i in range(len(cityName)):        #将城市按label分为指定的簇
            CityCluster[label[i]].append(cityName[i])         #将每个簇的城市输出
        for i in range(len(CityCluster)):                    #将每个簇平均消费输出
            print("Expenses:%.2f" % expenses[i])
            print(CityCluster[i])

## 实验过程： ##

1.建立工程，导入相关sklearn相关包  
2.加载数据，创建K-Means实例，并进行训练，获得标签：

1. 利用loadData读取数据
         2. 调用Kmeans() fit_predict()进行计算
         3. 设置簇的个数
         4. 将每个簇的数据进行输出

**参数说明**

1.  n\_clusters:用于指定簇聚类中心个数
2.  data：加载的数据（数据与py文件放在同一个文件夹中）
3.  axis=1：按行进行求和
4.  fit\_predict()：计算簇中心以及为簇分配序号
5.  readlines()：一次读取整个文件 readline() 每次只读取一行，速度慢得多，仅当没有内存储存文件时，才应使用。

## 注：加载程序时的报错问题 ##

**ValueError:setting an array element with a sequence.**

发现错误之后，我利用Pycharm进行一步一步的debug,跟踪data的变化情况。![在这里插入图片描述][20200222002105627.png]  
随后发现，是由于前后数组shape不一致导致的，只有一致时才能使用append，之后便意识到可能是数据出现了问题。果然，txt数据每行的末尾出现了空格。清除掉即可。

[20200222002105627.png]: https://img-blog.csdnimg.cn/20200222002105627.png