jenkspy 开源项目教程-优快云博客

jenkspy 开源项目教程

jenkspyCompute Natural Breaks in Python (Fisher-Jenks algorithm)项目地址:https://gitcode.com/gh_mirrors/je/jenkspy

1. 项目的目录结构及介绍

jenkspy 项目的目录结构相对简单，主要包含以下几个部分：

jenkspy/
├── jenkspy/
│   ├── __init__.py
│   ├── jenks.py
│   └── tests/
│       ├── __init__.py
│       └── test_jenks.py
├── setup.py
├── README.md
└── LICENSE

目录结构介绍

jenkspy/: 项目的主目录，包含核心代码和测试代码。
- __init__.py: 初始化文件，使得 jenkspy 目录可以作为一个 Python 包导入。
- jenks.py: 实现 Jenks Natural Breaks 算法的核心代码文件。
- tests/: 测试代码目录。
  - __init__.py: 初始化文件，使得 tests 目录可以作为一个 Python 包导入。
  - test_jenks.py: 针对 jenks.py 的测试代码。
setup.py: 用于安装和分发项目的脚本。
README.md: 项目说明文档，包含项目的基本信息和使用说明。
LICENSE: 项目的开源许可证文件。

2. 项目的启动文件介绍

jenkspy 项目的启动文件是 jenks.py，该文件包含了 Jenks Natural Breaks 算法的实现。以下是 jenks.py 文件的主要内容：

import numpy as np

def get_jenks_breaks(dataList, numClass):
    dataList.sort()
    mat1 = []
    for i in range(len(dataList) + 1):
        temp = []
        for j in range(numClass + 1):
            temp.append(0)
        mat1.append(temp)
    mat2 = []
    for i in range(len(dataList) + 1):
        temp = []
        for j in range(numClass + 1):
            temp.append(0)
        mat2.append(temp)
    for i in range(1, numClass + 1):
        mat1[1][i] = 1
        mat2[1][i] = 0
        for j in range(2, len(dataList) + 1):
            mat2[j][i] = float('inf')
    v = 0.0
    for l in range(2, len(dataList) + 1):
        s1 = 0.0
        s2 = 0.0
        w = 0.0
        for m in range(1, l + 1):
            i3 = l - m + 1
            val = float(dataList[i3 - 1])
            s2 += val * val
            s1 += val
            w += 1
            v = s2 - (s1 * s1) / w
            i4 = i3 - 1
            if i4 != 0:
                for j in range(2, numClass + 1):
                    if mat2[l][j] >= v + mat2[i4][j - 1]:
                        mat1[l][j] = i3
                        mat2[l][j] = v + mat2[i4][j - 1]
        mat1[l][1] = 1
        mat2[l][1] = v
    k = len(dataList)
    kclass = []
    for i in range(numClass + 1):
        kclass.append(0)
    kclass[numClass] = float(dataList[len(dataList) - 1])
    countNum = numClass
    while countNum >= 2:
        id = int((mat1[k][countNum]) - 2)
        kclass[countNum - 1] = dataList[id]
        k = int((mat1[k][countNum] - 1))
        countNum -= 1
    return kclass

def classify(data, breaks):
    classified = []
    for i in range(len(data)):
        for j in range(len(breaks)):
            if data[i] <= breaks[j]:
                classified.append(j)
                break
    return classified