前言：

今天在宿舍弄了一個下午的代碼，總算還好，把這個東西算是熟悉了，還不算是力竭，只算是知道了怎麽回事。今天就給大家分享一下我的代碼。代碼可以運行，運行的Python環境是Python3.6以上的版本，需要用到Python中的numpy、matplotlib包，這一部分代碼將K-means算法進行了實現。當然這還不是最優的代碼，只是在功能上已經實現了該算法的功能。

代碼部分：

  1 import numpy as np
  2 import random
  3 from matplotlib import pyplot as plt
  4 
  5 class K_means(object):
 
  6     def __init__(self,X,k,maxIter):
  7         self.X = X#數據集   是一個矩陣
  8         self.k = k#所需要分的類的數
  9         self.maxIter = maxIter#所允許的程序執行的最大的循環次數
 10 
 11     def K_means(self):
 12         row,col = self.X.shape#得到矩陣的行和列
 13 
 14         dataset = np.zeros((row,col + 1))#新生成一個矩陣，行數不變，列數加1 新的列用來存放分組號別  矩陣中的初始值為0
 

 15         dataset[:,:-1] = self.X
 16         print("begin:dataset:\n" + repr(dataset))
 17         # centerpoints = dataset[0:2,:]#取數據集中的前兩個點為中心點
 18         centerpoints = dataset[np.random.randint(row,size=k)]#采用隨機函數任意取兩個點
 19 
 20         centerpoints[:,-1] = range(1,self.k+1)
 21         oldCenterpoints = None #
 
用來在循環中存放上一次循環的中心點
 22         iterations = 1 #當前循環次數
 23 
 24         while not self.stop(oldCenterpoints,centerpoints,iterations):
 25             print("corrent iteration:" + str(iterations))
 26             print("centerpoint:\n" + repr(centerpoints))
 27             print("dataset:\n" + repr(dataset))
 28 
 29             oldCenterpoints = np.copy(centerpoints)#將本次循環的點拷貝一份 記錄下來
 30             iterations += 1
 31 
 32             self.updateLabel(dataset,centerpoints)#將本次聚類好的結果存放到矩陣中
 33 
 34             centerpoints = self.getCenterpoint(dataset)#得到新的中心點，再次進行循環計算
 35 
 36         np.save("kmeans.npy", dataset)
 37         return dataset
 38 
 39     def stop(self,oldCenterpoints,centerpoints,iterations):
 40         if iterations > self.maxIter:
 41             return True
 42         return np.array_equal(oldCenterpoints,centerpoints)#返回兩個點多對比結果
 43 
 44 
 45     def updateLabel(self,dataset,centerpoints):
 46         row,col = self.X.shape
 47         for i in range(0,row):
 48             dataset[i,-1] = self.getLabel(dataset[i,:-1],centerpoints)
 49             #[i,j] 表示i行j列
 50 
 51     #返回當前行和中心點之間的距離最短的中心點的類別，即當前點和那個中心點最近就被劃分到哪一部分
 52     def getLabel(self,datasetRow,centerpoints):
 53         label = centerpoints[0, -1]#先取第一行的標簽值賦值給該變量
 54         minDist = np.linalg.norm(datasetRow-centerpoints[0, :-1])#計算兩點之間的直線距離
 55         for i in range(1, centerpoints.shape[0]):
 56             dist = np.linalg.norm(datasetRow-centerpoints[i, :-1])
 57             if dist < minDist:#當該變距離中心點的距離小於預設的最小值，那麽將最小值進行更新
 58                 minDist = dist
 59                 label = centerpoints[i,-1]
 60         print("minDist:" + str(minDist) + ",belong to label:" + str(label))
 61         return label
 62 
 63     def getCenterpoint(self,dataset):
 64         newCenterpoint = np.zeros((self.k,dataset.shape[1]))#生成一個新矩陣，行是k值，列是數據集的列的值
 65         for i in range(1,self.k+1):
 66             oneCluster = dataset[dataset[:,-1] == i,:-1]#取出上一次分好的類別的所有屬於同一類的點，對其求平均值
 67             newCenterpoint[i-1, :-1] = np.mean(oneCluster,axis=0)#axis=0表示對行求平均值，=1表示對列求平均值
 68             newCenterpoint[i-1, -1] = i#重新對新的中心點進行分類，初始類
 69 
 70         return newCenterpoint
 71 
 72     #將散點圖畫出來
 73     def drawScatter(self):
 74         plt.xlabel("X")
 75         plt.ylabel("Y")
 76         dataset = self.K_means()
 77         x = dataset[:, 0]  # 第一列的數值為橫坐標
 78         y = dataset[:, 1]  # 第二列的數值為縱坐標
 79         c = dataset[:, -1]  # 最後一列的數值用來區分顏色
 80         color = ["none", "b", "r", "g", "y","m","c","k"]
 81         c_color = []
 82 
 83         for i in c:
 84             c_color.append(color[int(i)])#給每一種類別的點都塗上不同顏色，便於觀察
 85 
 86         plt.scatter(x=x, y=y, c=c_color, marker="o")#其中x表示橫坐標的值，y表示縱坐標的
 87         # 值，c表示該點顯示出來的顏色，marker表示該點多形狀，‘o’表示圓形
 88         plt.show()
 89 
 90 
 91 if __name__ == ‘__main__‘:
 92 
 93     
 94     ‘‘‘
 95     關於numpy中的存儲矩陣的方法，這裏不多介紹，可以自行百度。這裏使用的是
 96     np.save("filename.npy",X)其中X是需要存儲的矩陣
 97     讀取的方法就是代碼中的那一行代碼，可以不用修改任何參數，導出來的矩陣和保存之前的格式一模一樣，很方便。
 98     ‘‘‘
 99     # X = np.load("testSet-kmeans.npy")#從文件中讀取數據
100     #自動生成數據
101     X = np.zeros((1,2))
102     for i in range(1000):
103         X = np.row_stack((X,np.array([random.randint(1,100),random.randint(1,100)])))
104     k = 5 #表示待分組的組數
105 
106     kmeans = K_means(X=X,k=k,maxIter=100)
107     kmeans.drawScatter()

顯示效果：

通過Python實踐K-means算法