本文實例為大家分享了python K均值聚類的具體代碼，供大家參考，具體內容如下

#-*- coding:utf-8 -*- #!/usr/bin/python  ''''' k Means K均值聚類 ''' # 測試 # Ｋ均值聚類   import kMeans as KM KM.kMeansTest() # 二分Ｋ均值聚類 import kMeans as KM KM.biKMeansTest() # 地理位置 二分Ｋ均值聚類 import kMeans as KM KM.clusterClubs() from numpy import *  # 導入數據集 def loadDataSet(fileName):   #    dataMat = []        #    fr = open(fileName)   for line in fr.readlines(): # 每一行     curLine = line.strip().split('/t')# 按 Tab鍵 分割成 列表     fltLine = map(float,curLine)   # 映射成 浮點型     dataMat.append(fltLine)      # 放入數據集里   return dataMat  # 計算歐幾里的距離 def distEclud(vecA, vecB):   return sqrt(sum(power(vecA - vecB, 2))) #la.norm(vecA-vecB)  # 初始構建質心(隨機) 數據集 質心個數 def randCent(dataSet, k):   n = shape(dataSet)[1] # 樣本特征維度   centroids = mat(zeros((k,n))) # 初始化 k個 質心   for j in range(n):  # 每種樣本特征     minJ = min(dataSet[:,j]) # 每種樣本特征最小值 需要轉換成 numpy 的mat     rangeJ = float(max(dataSet[:,j]) - minJ)#每種樣本特征的幅值范圍     centroids[:,j] = mat(minJ + rangeJ * random.rand(k,1))     # 在每種樣本的最大值和最小值間隨機生成K個樣本特征值   return centroids  # 簡單k均值聚類算法  #    數據集 中心數量  距離算法      初始聚類中心算法  def kMeans(dataSet, k, distMeas=distEclud, createCent=randCent):   m = shape(dataSet)[0]       # 樣本個數   clusterAssment = mat(zeros((m,2)))# 樣本標記 分配結果 第一列索引 第二列誤差   centroids = createCent(dataSet, k)# 初始聚類中心   clusterChanged = True# 設置質心是否仍然發送變化   while clusterChanged:     clusterChanged = False     for i in range(m): #對每個樣本 計算最近的中心     # 更新 樣本所屬關系       minDist = inf; minIndex = -1 # 距離變量 以及 最近的中心索引       for j in range(k): # 對每個中心         distJI = distMeas(centroids[j,:],dataSet[i,:])# 計算距離         if distJI < minDist:           minDist = distJI; minIndex = j# 得到最近的 中心 索引       if clusterAssment[i,0] != minIndex: clusterChanged = True        # 所屬索引發生了變化 即質心還在變化，還可以優化       clusterAssment[i,:] = minIndex,minDist**2 # 保存 所屬索引 以及距離平方 用以計算誤差平方和 SSE     # 更新質心     print centroids # 每次迭代打印質心     for cent in range(k):#        ptsInClust = dataSet[nonzero(clusterAssment[:,0].A==cent)[0]]# 數組過濾 得到各個中心所屬的樣本       centroids[cent,:] = mean(ptsInClust, axis=0) # 按列求平均 得到新的中心   return centroids, clusterAssment# 返回質心 和各個樣本分配結果  def kMeansTest(k=5):   MyDatMat = mat(loadDataSet("testSet.txt"))   MyCenters, ClustAssing = kMeans(MyDatMat, k)  # bisecting K-means 二分K均值算法 克服局部最優值 def biKmeans(dataSet, k, distMeas=distEclud):   m = shape(dataSet)[0]       # 樣本個數   clusterAssment = mat(zeros((m,2)))# 樣本標記 分配結果 第一列索引 第二列誤差   centroid0 = mean(dataSet, axis=0).tolist()[0]# 創建一個初始質心   centList =[centroid0] # 一個中心的 列表   for j in range(m):  # 計算初始誤差     clusterAssment[j,1] = distMeas(mat(centroid0), dataSet[j,:])**2#每個樣本與中心的距離平方   while (len(centList) < k):# 中心數倆個未達到指定中心數量 繼續迭代     lowestSSE = inf    # 最小的 誤差平方和 SSE     for i in range(len(centList)):# 對于每一個中心       ptsInCurrCluster = dataSet[nonzero(clusterAssment[:,0].A==i)[0],:] # 處于當前中心的樣本點       centroidMat, splitClustAss = kMeans(ptsInCurrCluster, 2, distMeas) # 對此中心內的點進行二分類       # 該樣本中心 二分類之后的 誤差平方和 SSE     sseSplit = sum(splitClustAss[:,1])       # 其他未劃分數據集的誤差平方和 SSE       sseNotSplit = sum(clusterAssment[nonzero(clusterAssment[:,0].A!=i)[0],1])       print "sseSplit, and notSplit: ",sseSplit,sseNotSplit       # 劃分后的誤差和沒有進行劃分的數據集的誤差為本次誤差       if (sseSplit + sseNotSplit) < lowestSSE: # 小于上次 的 誤差          bestCentToSplit = i # 記錄應該被劃分的中心 的索引         bestNewCents = centroidMat # 最好的新劃分出來的中心         bestClustAss = splitClustAss.copy()# 新中心 對于的 劃分記錄 索引(0或1)以及 誤差平方         lowestSSE = sseSplit + sseNotSplit # 更新總的 誤差平方和     # 記錄中心 劃分 數據     bestClustAss[nonzero(bestClustAss[:,0].A == 1)[0],0] = len(centList) # 現有中心數量     bestClustAss[nonzero(bestClustAss[:,0].A == 0)[0],0] = bestCentToSplit# 最應該被劃分的中心     print 'the bestCentToSplit is: ',bestCentToSplit     print 'the len of bestClustAss is: ', len(bestClustAss)     # 將最應該被劃分的中心 替換為 劃分后的 兩個 中心(一個替換，另一個 append在最后添加)     centList[bestCentToSplit] = bestNewCents[0,:].tolist()[0]# 替換     centList.append(bestNewCents[1,:].tolist()[0])      # 添加     # 更新 樣本標記 分配結果 替換 被劃分中心的記錄     clusterAssment[nonzero(clusterAssment[:,0].A == bestCentToSplit)[0],:]= bestClustAss   return mat(centList), clusterAssment  def biKMeansTest(k=5):   MyDatMat = mat(loadDataSet("testSet.txt"))   MyCenters, ClustAssing = biKmeans(MyDatMat, k)  ####位置數據聚類測試##### # 利用雅虎的服務器將地址轉換為 經度和緯度 import urllib import json def geoGrab(stAddress, city):   apiStem = 'http://where.yahooapis.com/geocode?' #    params = {}   params['flags'] = 'J'    # 設置返回類型為JSON字符串    params['appid'] = 'aaa0VN6k' # 注冊 帳號后獲得 http://developer.yahoo.com   params['location'] = '%s %s' % (stAddress, city) # 位置信息   url_params = urllib.urlencode(params)# 將字典轉換成可以通過ＵＲＬ進行傳遞的字符串格式   yahooApi = apiStem + url_params   # 加入網絡地址    print yahooApi            # 打印 ＵＲＬ   c=urllib.urlopen(yahooApi)      # 打開 ＵＲＬ   return json.loads(c.read())     # 讀取返回的jason字符串  對位置進行了編碼 得到經度和緯度    from time import sleep def massPlaceFind(fileName):   fw = open('places.txt', 'w') # 打開位置信息文件   for line in open(fileName).readlines():# 每一行     line = line.strip()     lineArr = line.split('/t')# 得到列表     retDict = geoGrab(lineArr[1], lineArr[2])# 第二列為號牌 第三列為城市 進行地址解碼     if retDict['ResultSet']['Error'] == 0:       lat = float(retDict['ResultSet']['Results'][0]['latitude']) #經度       lng = float(retDict['ResultSet']['Results'][0]['longitude'])#緯度       print "%s/t%f/t%f" % (lineArr[0], lat, lng)       fw.write('%s/t%f/t%f/n' % (line, lat, lng)) #再寫入到文件     else: print "error fetching"     sleep(1)#延遲1s   fw.close()  # 返回地球表面兩點之間的距離 單位英里 輸入經緯度(度) 球面余弦定理 def distSLC(vecA, vecB):#Spherical Law of Cosines   a = sin(vecA[0,1]*pi/180) * sin(vecB[0,1]*pi/180)   b = cos(vecA[0,1]*pi/180) * cos(vecB[0,1]*pi/180) * /            cos(pi * (vecB[0,0]-vecA[0,0]) /180)   return arccos(a + b)*6371.0 #pi in numpy   # 位置聚類測試 畫圖可視化顯示 import matplotlib import matplotlib.pyplot as plt  def clusterClubs(numClust=5):   datList = [] # 樣本   for line in open('places.txt').readlines():     lineArr = line.split('/t')     datList.append([float(lineArr[4]), float(lineArr[3])])# 保存經緯度   datMat = mat(datList)# 數據集 numpy的mat類型   # 進行二分K均值算法聚類   myCentroids, clustAssing = biKmeans(datMat, numClust, distMeas=distSLC)   fig = plt.figure()# 窗口   rect=[0.1,0.1,0.8,0.8]   scatterMarkers=['s', 'o', '^', '8', 'p', /           'd', 'v', 'h', '>', '<']   axprops = dict(xticks=[], yticks=[])   ax0=fig.add_axes(rect, label='ax0', **axprops)#軸   imgP = plt.imread('Portland.png') # 標注在實際的圖片上   ax0.imshow(imgP)   ax1=fig.add_axes(rect, label='ax1', frameon=False)   for i in range(numClust):#每一個中心     ptsInCurrCluster = datMat[nonzero(clustAssing[:,0].A==i)[0],:]# 屬于每個中心的樣本點     markerStyle = scatterMarkers[i % len(scatterMarkers)]# 點的類型 畫圖     # 散點圖 每個中心的樣本點     ax1.scatter(ptsInCurrCluster[:,0].flatten().A[0], ptsInCurrCluster[:,1].flatten().A[0], marker=markerStyle, s=90)   # 散 點圖 每個中心   ax1.scatter(myCentroids[:,0].flatten().A[0], myCentroids[:,1].flatten().A[0], marker='+', s=300) plt.show()# 顯示