技術標籤：聚類聚類演算法機器學習

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import imageio


def Kmeans(center):  #【【】，【】，【】】
    #3. 第一聚類：
    for i in range(3):
        #計算每個點與三個類中心的距離：
        distance = np.sqrt(((x_train - center[i, :])**2).sum(axis=1))
        columns_name = '類{}'
 
.format(i)
        data[columns_name] = distance

    #4. 完成第一次聚類結果：
    data['custer'] = data.loc[:, ['類0', '類1', '類2']].idxmin(axis=1)

    #5.更新類中心點：
    new_center = data.loc[:, ['平均消費週期（天）', '平均每次消費金額', 'custer']].groupby(by='custer').mean().values
    return  new_center

#繪圖
def plot_image(times,
 
 data):
    plt.figure()
    for i in ['類0', '類1', '類2']:
        x = data.loc[data['custer']==i, '平均消費週期（天）']
        y = data.loc[data['custer']==i, '平均每次消費金額']
        plt.scatter(x, y)

    image_name = '第{}次聚類結果.png'.format(times)
    plt.savefig(image_name)
    plt.close('all')
    return image_name



if
 
 __name__ == '__main__':
    data = pd.read_csv('company.csv', encoding='gbk')
    #0. 生成圖片的list:
    image_list = []


    # 1. 挑選出特徵值：
    x_train = data.loc[:, ['平均消費週期（天）', '平均每次消費金額']]

    # 2.給出初始聚類中心： k=3
    center = np.array([[10, 100], [20, 200], [30, 300]])

    #3.完成第一次聚類
    new_center = Kmeans(center)
    print(data)
    times = 1

    image_name=plot_image(times, data)
    image_list.append(image_name)

    #第一次跌代
    while True:
        if (center==new_center).all():
            print(times)
            break
        times+=1
        center = new_center.copy()
        new_center = Kmeans(center)
        image_name = plot_image(times, data)
        image_list.append(image_name)



#讀取圖片
frame_list = []
for image_name in image_list:
    #讀取圖片：
    im = imageio.imread(image_name)

    #存放所有讀進來的圖：
    frame_list.append(im)


#生產gif圖片
# duration: 兩張圖片間的間隔，建議寫0.2 - 0.5,
duration= 0.7
imageio.mimsave('聚類結果.gif', frame_list, 'GIF', duration=round(duration, 2))