import?numpy?as?np
import?matplotlib.pyplot?as?plt


#?返回距離樣本最近的質心的下標索引
def?group_one（sample?centers）:
????distance_vect?=?np.sum（（sample-centers）**2?axis=1）

????return?np.argmin（distance_vect）


#?將所有樣本分組到k個質心，返回二維列表[[屬于分組1的樣本][屬于分組2的樣本]...]
def?group_all（data?k?centers）:

????#?這里使用二維列表，而不是ndarray的原因在于，每個分組的大小，也就是樣本的個數是不確定的
????#?而array是確定大小的，強行轉換這里會變成列表對象的數組，效率低下且更容易出錯
????#?如果有更好的做法歡迎交流
????groups?=?[]
????for?index?in?range（k）:
????????groups.append（[]）

????#?對每一個樣本進行分組
????for?sample?in?data:
????????index?=?group_one（sample?centers）
????????groups[index].append（sample.tolist（））

????return?groups


#?根據樣本分組，更新每個質心的位置
def?update_centers（data?k?groups）:
????centers?=?np.zeros（（k?data.shape[1]））

????for?index?in?range（k）:
????????centers[index]?=?np.mean（np.array（groups[index]）?axis=0）

????return?centers


#?檢測與上一次迭代的更新差值
def?iter_diff（old_centers?new_centers）:
????return?np.sum（np.abs（old_centers?-?new_centers））


#?生成隨機質心
def?rand_center（data?k）:
????#?共k個質心，data.shape[1]是每個數據樣本的維度，質心的維度應與樣本的維度一致。
????centers?=?np.random.rand（k?data.shape[1]）
????#?rand隨機的范圍是零到一，要適用于樣本的范圍需要進行縮放
????#?這里使用樣本在該維度的最大值作為每個維度上的縮放倍數
????scale?=?np.max（data?axis=0）
????centers?*=?scale
????return?centers


#?迭代主體函數
def?classify（data?k?threshold?max_iter=0）:
????centers?=?rand_center（data?k）
????loss?=?float（“inf“）
????iter_count?=?0

????#?當loss小于閾值，或迭代次數大于指定最大次數時（若不指定則只判斷loss足夠低）終止
????while?loss?>?threshold?and?（（max_iter?==?0）?or?iter_count?????????groups?=?group_all（data?k?centers）

????????old_centers?=?centers
????????centers?=?update_centers（data?k?groups）
????????loss?=?iter_diff（old_centers?centers）
????????iter_count?+=?1
????????print（“iter_%d?:?loss=%f“?%?（iter_count?loss））

????return?centers?groups


#?繪圖
def?paint_result（data?centers?k?groups?debug=False）:
????c?=?[]
????flatten_group?=?[]
????for?index?in?range（k）:
????????for?item?in?groups[index]:
????????????c.append（index）
????????????flatten_group.append（item）

????groups?=?np.array（flatten_group）
????if?debug:
????????plt.scatter（groups[:?0]?groups[:?1]）
????else:
????????plt.scatter（groups[:?0]?groups[:?1]c=c）
????plt.scatter（centers[:?0]?centers[:?1]?color=“red“）
????plt.show（）


def?main（）:
????data?=?np.loadtxt（“d:/data.csv“?delimiter=““）
????data.resize（（500?2））
????center?groups?=?classify（data?3?0?0）

????paint_result（data?center?3?groups）


if?__name__?==?‘__main__‘:
????main（）

?屬性????????????大小?????日期????時間???名稱
-----------?---------??----------?-----??----
?????文件???????25501??2018-03-18?23:56??data.csv
?????文件????????3160??2018-03-19?22:17??kmeans.py