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
n_clusters:用于指定簇聚类中心个数
data:加载的数据(数据与py文件放在同一个文件夹中)
axis=1:按行进行求和
fit_predict():计算簇中心以及为簇分配序号
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。
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。
作者:weixin_38432968