import?numpy?as?np
import?matplotlib.pyplot?as?plt


#?返回距離樣本最近的質(zhì)心的下標(biāo)索引
def?group_one（sample?centers）:
????distance_vect?=?np.sum（（sample-centers）**2?axis=1）

????return?np.argmin（distance_vect）


#?將所有樣本分組到k個(gè)質(zhì)心，返回二維列表[[屬于分組1的樣本][屬于分組2的樣本]...]
def?group_all（data?k?centers）:

????#?這里使用二維列表，而不是ndarray的原因在于，每個(gè)分組的大小，也就是樣本的個(gè)數(shù)是不確定的
????#?而array是確定大小的，強(qiáng)行轉(zhuǎn)換這里會(huì)變成列表對(duì)象的數(shù)組，效率低下且更容易出錯(cuò)
????#?如果有更好的做法歡迎交流
????groups?=?[]
????for?index?in?range（k）:
????????groups.append（[]）

????#?對(duì)每一個(gè)樣本進(jìn)行分組
????for?sample?in?data:
????????index?=?group_one（sample?centers）
????????groups[index].append（sample.tolist（））

????return?groups


#?根據(jù)樣本分組，更新每個(gè)質(zhì)心的位置
def?update_centers（data?k?groups）:
????centers?=?np.zeros（（k?data.shape[1]））

????for?index?in?range（k）:
????????centers[index]?=?np.mean（np.array（groups[index]）?axis=0）

????return?centers


#?檢測(cè)與上一次迭代的更新差值
def?iter_diff（old_centers?new_centers）:
????return?np.sum（np.abs（old_centers?-?new_centers））


#?生成隨機(jī)質(zhì)心
def?rand_center（data?k）:
????#?共k個(gè)質(zhì)心，data.shape[1]是每個(gè)數(shù)據(jù)樣本的維度，質(zhì)心的維度應(yīng)與樣本的維度一致。
????centers?=?np.random.rand（k?data.shape[1]）
????#?rand隨機(jī)的范圍是零到一，要適用于樣本的范圍需要進(jìn)行縮放
????#?這里使用樣本在該維度的最大值作為每個(gè)維度上的縮放倍數(shù)
????scale?=?np.max（data?axis=0）
????centers?*=?scale
????return?centers


#?迭代主體函數(shù)
def?classify（data?k?threshold?max_iter=0）:
????centers?=?rand_center（data?k）
????loss?=?float（“inf“）
????iter_count?=?0

????#?當(dāng)loss小于閾值，或迭代次數(shù)大于指定最大次數(shù)時(shí)（若不指定則只判斷l(xiāng)oss足夠低）終止
????while?loss?>?threshold?and?（（max_iter?==?0）?or?iter_count?????????groups?=?group_all（data?k?centers）

????????old_centers?=?centers
????????centers?=?update_centers（data?k?groups）
????????loss?=?iter_diff（old_centers?centers）
????????iter_count?+=?1
????????print（“iter_%d?:?loss=%f“?%?（iter_count?loss））

????return?centers?groups


#?繪圖
def?paint_result（data?centers?k?groups?debug=False）:
????c?=?[]
????flatten_group?=?[]
????for?index?in?range（k）:
????????for?item?in?groups[index]:
????????????c.append（index）
????????????flatten_group.append（item）

????groups?=?np.array（flatten_group）
????if?debug:
????????plt.scatter（groups[:?0]?groups[:?1]）
????else:
????????plt.scatter（groups[:?0]?groups[:?1]c=c）
????plt.scatter（centers[:?0]?centers[:?1]?color=“red“）
????plt.show（）


def?main（）:
????data?=?np.loadtxt（“d:/data.csv“?delimiter=““）
????data.resize（（500?2））
????center?groups?=?classify（data?3?0?0）

????paint_result（data?center?3?groups）


if?__name__?==?‘__main__‘:
????main（）

?屬性????????????大小?????日期????時(shí)間???名稱
-----------?---------??----------?-----??----
?????文件???????25501??2018-03-18?23:56??data.csv
?????文件????????3160??2018-03-19?22:17??kmeans.py