使用Pycluster包进行聚类分析实例

# -*- coding:utf-8 -*-

‘‘‘

Created on 2015-6-3

@author: godxia

‘‘‘

import Pycluster as pc

import numpy as np

import matplotlib.pylab as pl

def myCKDemo(filename,n):

    #以下两个语句是获取数据，用于聚类分析的数据位于第3和第4列（从0开始计算）   

    data = np.loadtxt(filename, delimiter = "," ,usecols=(3,4))

    #第8和第9列，保存了城市的经纬度坐标，用于最后画散点图

    xy = np.loadtxt(filename, delimiter = "," ,usecols=(8,9))

    #clustermap是聚类之后的集合,记录每一组数据的类别id

    clustermap = pc.kcluster(data, n)[0]

    #centroids 是分组聚类之后的聚类中心坐标

    centroids = pc.clustercentroids(data, clusterid=clustermap)[0]

    #m是距离矩阵

    m = pc.distancematrix(data)

    #mass 用来记录各类的点的数目

    mass = np.zeros(n)

    for c in clustermap: 

        mass[c] += 1 

    #sil是轮廓系统矩阵，用于记录每个簇的大小

    sil = np.zeros(n*len(data)) 

    sil.shape = ( len(data), n ) 

    for i in range( 0, len(data) ): 

        for j in range( i+1, len(data) ): 

            d = m[j][i] 

            sil[i, clustermap[j] ] += d 

            sil[j, clustermap[i] ] += d 

    for i in range(0,len(data)): 

        sil[i,:] /= mass 

    #s轮廓系数是一个用来评估聚类效果的参数

    #值在-1 —— 1之间，值越大，表示效果越好。

    #小于0，说明与其簇内元素的平均距离小于最近的其他簇，表示聚类效果不好。

    #趋近与1，说明聚类效果比较好。

    s=0 

    for i in range( 0, len(data) ): 

        c = clustermap[i] 

        a = sil[i,c] 

        b = min(sil[i,range(0,c)+range(c+1,n)]) 

        si = (b-a)/max(b,a)

        s+=si 

    print n, s/len(data) 

    #使用matplotlib画出散点图。

    fig, ax = pl.subplots()

    #cmap是用于区分不同类别的颜色

    cmap = pl.get_cmap(‘jet‘, n)

    cmap.set_under(‘gray‘)

    #xy是经纬度，主要为了通过经纬度来画出不同城市在地理上的位置

    x = [list(d)[0] for d in xy]   

    y = [list(d)[1] for d in xy] 

    cax = ax.scatter(x, y, c=clustermap, s=30, cmap=cmap, vmin=0, vmax=n)

    pl.show() 

if __name__ == ‘__main__‘:

    #filename是数据c2.txt所在的路径，改成自己机器上的路径即可

    filename = r"e:\c2.txt"

    #n是预设分成几类。

    n = 5

    myCKDemo(filename,n)