Python数据分析之K_Means

 1 # -*- coding: utf-8 -*-
 2 
 3 import pandas as pd
 4 # 参数初始化
 5 inputfile = '../data/consumption_data.xls'  # 销量及其他属性数据
 6 outputfile = '../tmp/data_type.xls'  # 保存结果的文件名
 7 k = 3  # 聚类的类别
 8 iteration = 500  # 聚类最大循环次数
 9 data = pd.read_excel(inputfile, index_col = 'Id')  # 读取数据
10 data_zs = 1.0*(data - data.mean())/data.std()  # 数据标准化
11 
12 from sklearn.cluster import KMeans
13 model = KMeans(n_clusters = k, n_jobs = 4, max_iter = iteration,random_state=1234)  # 分为k类，并发数4
14 model.fit(data_zs)  # 开始聚类
15 
16 # 简单打印结果
17 r1 = pd.Series(model.labels_).value_counts()  # 统计各个类别的数目
18 r2 = pd.DataFrame(model.cluster_centers_)  # 找出聚类中心
19 r = pd.concat([r2, r1], axis = 1)  # 横向连接（0是纵向），得到聚类中心对应的类别下的数目
20 r.columns = list(data.columns) + ['类别数目']  # 重命名表头
21 print(r)
22 
23 # 详细输出原始数据及其类别
24 r = pd.concat([data, pd.Series(model.labels_, index = data.index)], axis = 1)   # 详细输出每个样本对应的类别
25 r.columns = list(data.columns) + ['聚类类别']  # 重命名表头
26 r.to_excel(outputfile)  # 保存结果
27 
28 
29 def density_plot(data):  # 自定义作图函数
30   import matplotlib.pyplot as plt
31   plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
32   plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
33   p = data.plot(kind='kde', linewidth = 2, subplots = True, sharex = False)
34   [p[i].set_ylabel('密度') for i in range(k)]
35   plt.legend()
36   return plt
37 
38 pic_output = '../tmp/pd'  # 概率密度图文件名前缀
39 for i in range(k):
40   density_plot(data[r['聚类类别']==i]).savefig('%s%s.png' %(pic_output, i))
41  
42     
43   
44