KMeans聚类算法应用

KMeans聚类算法应用

1999年31个省份平均每人全年消费支出

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

1. n_clusters:用于指定簇聚类中心个数
2. data：加载的数据（数据与py文件放在同一个文件夹中）
3. axis=1：按行进行求和
4. fit_predict()：计算簇中心以及为簇分配序号
5. 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。