import numpy as np
import matplotlib.pyplot as plt
# 两点距离
def distance(e1, e2):
return np.sqrt((e1[0]-e2[0])**2+(e1[1]-e2[1])**2) #欧式距离，较为准确
#return np.abs(e1[0]-e2[0])+np.abs(e1[1]-e2[1]) #曼哈顿距离
#return np.abs(e1[0]-e2[0]) if np.abs(e1[0]-e2[0])>np.abs(e1[1]-e2[1]) else np.abs(e1[1]-e2[1]) #切比雪夫距离
# 集合中心
def means(arr):
return np.array([np.mean([e[0] for e in arr]), np.mean([e[1] for e in arr])])
# arr中距离a最远的元素，用于初始化聚类中心
def farthest(k_arr, arr):
f = [0, 0]
max_d = 0
for e in arr: #第一层循环
d = 0
for i in range(k_arr.__len__()): #第二层循环
d = d + np.sqrt(distance(k_arr[i], e)) #把e到k_array里面每一个元素的距离累加
if d > max_d: #如果当前元素比已经扫描过的元素距离远 ，更新最远距离
max_d = d #更新最远距离元素
f = e
return f #返回arr中离 k_arr中所有元素 最远的元素
# arr中距离a最近的元素，用于聚类 a为聚类中心
def closest(a, arr):
c = arr[1]
min_d = distance(a, arr[1])
arr = arr[1:]
for e in arr:
d = distance(a, e)
if d < min_d:
min_d = d
c = e
return c
# 切片说明 arr[start:end:step]
# start缺省 ：index=0 开始
# end缺省 ：index=len（arr)-1
# step缺省 ：步长为+1
#例子 In: a=[10,20,30,40,50,60,70]
# In:a[:]
# => out:[10,20,30,40,50,60,70]
# In:a[::]
# => out:[10,20,30,40,50,60,70]
# In:a[-1] #最后一个元素
# => out:70
# In:a[:-2] #相当于[0,-2) -1最后一个 -2倒数第二个
# => out:[10,20,30,40,50]
# In:a[::-1] #逆序输出 逆序切皮 相当于 a[6:0:-1]
# => out:[70,60,50,40,30,20,10]
# In:a[2::-1] #逆序输出 相当于 a[2:0:-1]
# => out:[30,20,10]
if __name__=="__main__":
## 生成二维随机坐标，手上有数据集的朋友注意，理解arr改起来就很容易了
## arr是一个数组，每个元素都是一个二元组，代表着一个坐标
## arr形如：[ (x1, y1), (x2, y2), (x3, y3) ... ]
arr = np.random.randint(100, size=(100, 1, 2))[:, 0, :]
## 初始化聚类中心和聚类容器
m = 5
r = np.random.randint(arr.__len__() - 1)#随机选择聚类中心 ，可以通过k-means++的方法对随机选择中心点进行优化
k_arr = np.array([arr[r]]) #取出选择的聚类中心
cla_arr = [[]]
for i in range(m-1):
k = farthest(k_arr, arr) #由一个聚类中心选择一个新的聚类中心
k_arr = np.concatenate([k_arr, np.array([k])]) #数组拼接 把聚类中心 拼接在k_arr数组里
cla_arr.append([])#每找到一个聚类中心，增加一个类
## 迭代聚类
n = 20
cla_temp = cla_arr
for i in range(n): # 迭代n次
for e in arr: # 把集合里每一个元素聚到最近的类
ki = 0 # 假定距离第一个中心最近
min_d = distance(e, k_arr[ki])
for j in range(1, k_arr.__len__()):
if distance(e, k_arr[j]) < min_d: # 找到更近的聚类中心
min_d = distance(e, k_arr[j])
ki = j
cla_temp[ki].append(e) #将元素加入最近的聚类中心的类中
# 迭代更新聚类中心
for k in range(k_arr.__len__()):
if n - 1 == i:
break
k_arr[k] = means(cla_temp[k])
cla_temp[k] = []
# 原聚类中心 为 firstcenter
# 通过迭代等到了 一个包含众多满足聚类条件的集合
# 通过整个集合的数据求出 当前集合的中心
# 作为新聚类中心 newcenter
# 即firstcenter 为聚类条件判断的起始点 而newcneter 为集合实际中心
# 更新聚类中心结果如图一 不更新聚类结果如图二
## 可视化展示
col = ['HotPink', 'Aqua', 'Chartreuse', 'yellow', 'LightSalmon']
for i in range(m):
plt.scatter(k_arr[i][0], k_arr[i][1], linewidth=10, color=col[i]) #画聚类中心点
plt.scatter([e[0] for e in cla_temp[i]], [e[1] for e in cla_temp[i]], color=col[i]) #类中元素
plt.show()
参考，转载
k-means聚类算法python实现
