# 聚类：DBSCAN算法实现（无需人为指定分成几类）
#1.建立工程，导入sklearn相关包
import numpy as np
import sklearn.cluster as skc
from sklearn import metrics # 用于评价指标
import matplotlib.pyplot as plt
#2.读取数据并进行处理
mac2id=dict()
onlinetimes=[]
f=open('TestData.txt',encoding='utf-8')
for line in f:
mac=line.split(',')[2]
onlinetime=int(line.split(',')[6])
starttime=int(line.split(',')[4].split(' ')[1].split(':')[0])
if mac not in mac2id:
mac2id[mac]=len(onlinetimes)
onlinetimes.append((starttime,onlinetime))
else:
onlinetimes[mac2id[mac]]=[(starttime,onlinetime)]
real_X=np.array(onlinetimes).reshape((-1,2)) # n行2列
'''
mat (or array).reshape(c, -1) 必须是矩阵格式或者数组格式，才能使用 .reshape(c, -1) 函数， 表示将此矩阵或者数组重组，以 c行d列的形式表示
-1的作用就在此: 自动计算d：d=数组或者矩阵里面所有的元素个数/c, d必须是整数，不然报错）
'''
print(real_X)
#3.上网时间聚类，创建DBSCAN算法实例，并进行训练，获得标签
X=real_X[:,0:1] # 取第一个元素,上网时间
db=skc.DBSCAN(eps=0.01,min_samples=20).fit(X) # 调用DBSCAN方法进行训练
labels = db.labels_ # labels为每个数据的簇标签
'''
DBSCAN主要参数：
eps: 两个样本被看作邻居节点的最大距离
min_samples: 簇的样本数
metric：距离计算方式
'''
#4.输出标签，查看结果
print('Labels:')
print(labels)
raito=len(labels[labels[:] == -1]) / len(labels) # 标签-1的为噪声点，计算噪声率raito
print('Noise raito:',format(raito, '.2%'))
'''
labels[:] == -1 返回True或False的矩阵，作为布尔索引
labels[labels[:] == -1] 返回列表元素中符合条件True的一维数值
'''
n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0) # 计算簇的个数，去除噪声
print('Estimated number of clusters: %d' % n_clusters_)
print("Silhouette Coefficient: %0.3f"% metrics.silhouette_score(X, labels))
# 评价聚类效果：轮廓系数，接近1则说明样本聚类合理
for i in range(n_clusters_):
print('Cluster ',i,':')
print(list(X[labels == i].flatten())) # flatten降成一维数组
plt.hist(X,24) # 绘制直方图，按24h分成24个区间
'''
这个例子仅使用了上网时间进行了评价，并没有使用MAC、上网时长等进行分析
'''
