两个t-sne画图的小例子

第一个：

import numpy as np
import matplotlib.pyplot as plt
from sklearn import manifold, datasets

digits = datasets.load_digits(n_class=6)
# 这里只提取了0-5这6个数字
X, y = digits.data, digits.target
n_samples, n_features = X.shape

'''显示原始数据'''
n = 20  # 每行20个数字，每列20个数字
img = np.zeros((10 * n, 10 * n))
for i in range(n):
    ix = 10 * i + 1
    for j in range(n):
        iy = 10 * j + 1
        img[ix:ix + 8, iy:iy + 8] = X[i * n + j].reshape((8, 8))
plt.figure(figsize=(8, 8))
plt.imshow(img, cmap=plt.cm.binary)
plt.xticks([])
plt.yticks([])
plt.show()

type(X)

numpy.ndarray

X[0]

array([ 0.,  0.,  5., 13.,  9.,  1.,  0.,  0.,  0.,  0., 13., 15., 10.,
       15.,  5.,  0.,  0.,  3., 15.,  2.,  0., 11.,  8.,  0.,  0.,  4.,
       12.,  0.,  0.,  8.,  8.,  0.,  0.,  5.,  8.,  0.,  0.,  9.,  8.,
        0.,  0.,  4., 11.,  0.,  1., 12.,  7.,  0.,  0.,  2., 14.,  5.,
       10., 12.,  0.,  0.,  0.,  0.,  6., 13., 10.,  0.,  0.,  0.])

X.size

69312

X.shape

(1083, 64)

print(n_samples, n_features)

1083 64

'''t-SNE'''
tsne = manifold.TSNE(n_components=2, init='pca', random_state=501)
X_tsne = tsne.fit_transform(X)

print("Org data dimension is {}.Embedded data dimension is {}".format(X.shape[-1], X_tsne.shape[-1]))

'''嵌入空间可视化'''
x_min, x_max = X_tsne.min(0), X_tsne.max(0)
X_norm = (X_tsne - x_min) / (x_max - x_min)  # 归一化
plt.figure(figsize=(8, 8))
for i in range(X_norm.shape[0]):
    plt.text(X_norm[i, 0], X_norm[i, 1], str(y[i]), color=plt.cm.Set1(y[i]), 
             fontdict={'weight': 'bold', 'size': 20})
plt.xticks([])
plt.yticks([])
plt.show()

Org data dimension is 64.Embedded data dimension is 2

第二个：

#-*- coding: utf-8 -*-
#使用K-Means算法聚类消费行为特征数据

import pandas as pd

#参数初始化，当前目录下
inputfile = r'consumption_data.xls' #销量及其他属性数据
# 数据在下面，就是那942行数据，自己弄个excel就好了
# https://blog.youkuaiyun.com/appleyuchi/article/details/71189622

k = 3 #聚类的类别
iteration = 500 #聚类最大循环次数
data = pd.read_excel(inputfile, index_col = 'Id') #读取数据
data_zs = 1.0*(data - data.mean())/data.std() #数据标准化

type(data_zs)

pandas.core.frame.DataFrame

print(data_zs.index) 

Int64Index([  1,   2,   3,   4,   5,   6,   7,   8,   9,  10,
            ...
            933, 934, 935, 936, 937, 938, 939, 940, 941, 942],
           dtype='int64', name='Id', length=940)

print(data_zs.columns)

Index(['R', 'F', 'M'], dtype='object')

print(data_zs[0:3])  #选择第0，1，2行

           R         F         M
Id                              
1   0.764186 -0.493579 -1.158711
2  -1.024757 -0.630079  0.622527
3  -0.950217  0.871423 -0.341103

from sklearn.cluster import KMeans
model = KMeans(n_clusters = k, n_jobs = 4, max_iter = iteration) #分为k类，并发数4
model.fit(data_zs) #开始聚类

#简单打印结果
r1 = pd.Series(model.labels_).value_counts() #统计各个类别的数目

r1

0    559
1    341
2     40
dtype: int64

r2 = pd.DataFrame(model.cluster_centers_) #找出聚类中心

r2

	0	1	2
0	-0.149353	-0.658893	-0.271780
1	-0.160451	1.114802	0.392844
2	3.455055	-0.295654	0.449123

r = pd.concat([r2, r1], axis = 1) #横向连接（0是纵向），得到聚类中心对应的类别下的数目
r

	0	1	2	0
0	-0.149353	-0.658893	-0.271780	559
1	-0.160451	1.114802	0.392844	341
2	3.455055	-0.295654	0.449123	40

r.columns = list(data.columns) + [u'类别数目'] #重命名表头
print(r)

          R         F         M  类别数目
0 -0.149353 -0.658893 -0.271780   559
1 -0.160451  1.114802  0.392844   341
2  3.455055 -0.295654  0.449123    40

type(model)

sklearn.cluster.k_means_.KMeans

model[0]

---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

<ipython-input-30-97b48cc27306> in <module>()
----> 1 model[0]


TypeError: 'KMeans' object does not support indexing

type(model.labels_)

numpy.ndarray

model.labels_.size

940

model.cluster_centers_

array([[-0.14935336, -0.65889299, -0.27177977],
       [-0.16045063,  1.11480154,  0.39284443],
       [ 3.45505486, -0.29565357,  0.44912342]])

outputfile = 'data_type.xls' #保存结果的文件名

#详细输出原始数据及其类别
r = pd.concat([data, pd.Series(model.labels_, index = data.index)], axis = 1)  #详细输出每个样本对应的类别
r.columns = list(data.columns) + [u'聚类类别'] #重命名表头
r.to_excel(outputfile) #保存结果

data_out = pd.read_excel(outputfile, index_col = 'Id') #读取数据
print(data_out[0:3])  #选择第0，1，2行

     R   F        M  聚类类别
Id                       
1   27   6   232.61     0
2    3   5  1507.11     0
3    4  16   817.62     1

#-*- coding: utf-8 -*-
#接k_means.py
from sklearn.manifold import TSNE

tsne = TSNE()
tsne.fit_transform(data_zs) #进行数据降维
tsne = pd.DataFrame(tsne.embedding_, index = data_zs.index) #转换数据格式

import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号

#不同类别用不同颜色和样式绘图
d = tsne[r[u'聚类类别'] == 0]
plt.plot(d[0], d[1], 'r.')
d = tsne[r[u'聚类类别'] == 1]
plt.plot(d[0], d[1], 'go')
d = tsne[r[u'聚类类别'] == 2]
plt.plot(d[0], d[1], 'b*')
plt.show()

print(tsne[0:3])  #选择第0，1，2行

            0          1
Id                      
1   13.233582  22.531153
2   15.523943 -25.674824
3  -30.262331  11.098033

print(tsne.index.size) # 查看pd有多少行

940

r[0:3]

	R	F	M	聚类类别
Id
1	27	6	232.61	0
2	3	5	1507.11	0
3	4	16	817.62	1

d = tsne[r[u'聚类类别'] == 0]
d[0:3]

	0	1
Id
1	13.233582	22.531153
2	15.523943	-25.674824
4	-24.099859	24.144758

d.index.size

559

plt.plot(d[0], d[1], 'r.')

[<matplotlib.lines.Line2D at 0x2338ee6a7f0>]

d1 = tsne[r[u'聚类类别'] == 1]
plt.plot(d1[0], d1[1], 'go')   # 这样明显不能画到一张图上

[<matplotlib.lines.Line2D at 0x2338efd7ef0>]

d = tsne[r[u'聚类类别'] == 0]
plt.plot(d[0], d[1], 'r.')
d = tsne[r[u'聚类类别'] == 1]
plt.plot(d[0], d[1], 'go')
d = tsne[r[u'聚类类别'] == 2]
plt.plot(d[0], d[1], 'b*')
plt.show()  # 这样就可以画到一张图上了，但看图感觉聚类效果不是很好，3类太少了

第二个例子来源于，张良均等著《python数据分析与挖掘实战》