机器学习——聚类之K-means（手动代码）

这是我看下来，最简单的内容，哭了，K-means，so nice

K-means，由于太过简单，不需要数学推导时，一时间甚至无从下指

首先，K-means需要提前锚定几个点，然后让所有数据样本根据与这几个点的距离，将分别选择最短距离凑成一簇

有那么点近水楼台先得月，兔子硬吃窝边草的意思

然后所有样本分别站队分组后，每个组再重新选出新的锚定点：计算出所有特征各自的均值，作为新锚定点

重复分组与计算新锚点，直到最终所有组的锚点不再改变，或是超过最大迭代次数。

1. 确定初始锚点
2. 数据样本分组
3. 计算各组新锚点
4. 重复2和3步，直到达标

但非常关键的是，如何确定初始锚点？以及，需要几个初始锚点？

需要几个初始锚点： 这个其实不好说，在scikit-learn里，默认是8个，但要想获得更好的聚类效果，一般可以调试选择最终表现较好的锚点数$N_{point}$

如何确定初始锚点： 可以随机，但是有一个优化选择初始锚点的方式，一般被称为K-means++

K-means++：也是先确定了锚点数$N_{point}$，然后，

1. 首先随机选取一个锚点，此时，所有样本都归于当前锚点
2. 计算出所有样本到锚点的距离，选择距锚点最远的样本点，作为新的锚点，
3. 计算出所有样本到新锚点的距离，如果到新锚点距离更短，则分到新锚点组
4. 然后再次分别计算所有样本到各自锚点的距离，选择各组中距离锚点最远的点，作为新锚点，（注意：如果已经有多个锚点，也是依次遍历多个锚点，生成新锚点）
5. 依次循环234步，直到得到$N_{point}$个锚点

K-means++，仅仅是获取$N_{point}$个新锚点，还要重新开始进行聚类，即

1. 确定初始锚点
①. 首先随机选取一个锚点，此时，所有样本都归于当前锚点
②. 计算出所有样本到锚点的距离，选择距锚点最远的样本点，作为新的锚点，
③. 计算出所有样本到新锚点的距离，如果到新锚点距离更短，则分到新锚点组
④. 然后再次分别计算所有样本到各自锚点的距离，选择各组中距离锚点最远的点，作为新锚点，（注意：如果已经有多个锚点，也是依次遍历多个锚点，生成新锚点）
⑤. 依次循环234步，直到得到$N_{point}$个锚点

2. 数据样本分组
3. 计算各组新锚点
4. 重复2和3步，直到达标

步骤很清晰，思路很明确，下笔如有神！开敲键盘~

程序设计

数据结构

考虑到每个簇，有各自的锚点，还有分组的点，并且都有一样的计算距离的方式
用字典或是创建一个类的对象来存储各个簇（组）的数据，也是可以的

但考虑到，样本要同时与每个锚点计算并比较距离，如果是用对象的话呢，不太好在类之外进行比较

因此，不如直接用字典存储，然后在外边定义一个计算距离的方法，直接在外边进行比较，会更方便吧

那就是，一个字典，包含了多个组别，每个组别都有各自的锚点、分组数据、组均方误差

字典 = {
		"组1":[xxxx],
		"组2":[xxxx]
		# .......[xxxx]表示对应的锚点..........
}
1
2
3
4
5

但在对每个样本进行分类时，遇到点小麻烦，有两个思路：
思路一：

• 维护一张所有样本与所有组锚点距离的dataframe表，每次都计算出所有样本与新锚点的距离
• 再给每个样本获取距离最小的对应锚点，并添加一个新列class，这个新列存的是每个样本的组别名
• 再对组别名新列，进行分组聚合，也就是每个组都割裂开各自的数据（这里要注意，新列里的组别名要跟字典的组名保持一致）
• 将割裂开的数据，依次计算各特征的均值作为新锚点，并对比旧锚点是否有改变
• 判断是否需要再迭代：是否超迭代次数或锚点是否无改变？
• 如果需要再迭代，那就继续循环，否则停止迭代，输出最终的分组锚点及数据

思路二：

• 所有锚点都存在一个列表里
• 对一条数据，计算各样本与新锚点的距离，并存入一个新列表里。
• 获取列表中距离最小的下标值，并获取到对应的锚点
• 用pandas里的apply函数，对所有样本数据，进行相同的操作，最终得到每个样本的锚点
  如果是每个样本都单独去计算距离，再进行比较
  。。。。啊算了，思路一就挺好的，思路二还有些小问题。。。。

啊，明天再说，今晚没心思敲键盘了。。。

程序实现

总体的分组效果，其实是很不错的！
重点看推荐分值，因为推荐分值是有明显区别的，而专业度、回复速度、服务态度这些源数据本身设置的就差别不大

D:\python3.10\python.exe D:/PycharmWork/venv/Machine_Learning/K_means.py
a0
专业度     2.709677
回复速度    2.919355
服务态度    3.870968
推荐分值    1.016129
dtype: float64
     专业度  回复速度  服务态度  推荐分值  ...         a4         a5         a6         a7
6      3     4     4     0  ...  60.590829  32.865385  54.575625  13.114258
18     2     2     3     0  ...  71.130511  36.096154  58.325625  15.051758
56     3     4     3     0  ...  62.892416  32.788462  56.125625  14.176758
60     4     2     3     2  ...  37.162257  11.634615  26.725625   6.301758
70     2     2     3     2  ...  45.162257  19.326923  34.725625   5.051758
..   ...   ...   ...   ...  ...        ...        ...        ...        ...
436    2     2     3     1  ...  57.146384  26.711538  45.525625   9.051758
447    3     4     5     1  ...  46.305115  25.557692  42.225625   8.051758
453    2     3     4     0  ...  66.209877  35.942308  57.175625  12.739258
455    3     4     5     1  ...  46.305115  25.557692  42.225625   8.051758
458    4     2     4     1  ...  46.844797  19.096154  35.975625   9.239258

[62 rows x 13 columns]
—————+++++++++++++++——————————
a1
专业度     4.991228
回复速度    4.596491
服务态度    4.675439
推荐分值    8.991228
dtype: float64
     专业度  回复速度  服务态度  推荐分值  ...        a4         a5         a6         a7
0      5     5     5     8  ...  1.797178  15.942308   9.025625  30.051758
1      4     4     5     9  ...  3.432099  19.634615   8.825625  33.676758
7      5     4     5     9  ...  2.432099  18.788462   7.825625  37.301758
20     5     5     5     9  ...  3.813051  22.557692  12.225625  40.051758
25     5     4     5     9  ...  2.432099  18.788462   7.825625  37.301758
..   ...   ...   ...   ...  ...       ...        ...        ...        ...
452    5     5     5     8  ...  1.797178  15.942308   9.025625  30.051758
459    5     4     4     9  ...  2.733686  16.711538   7.375625  36.364258
460    5     4     4     9  ...  2.733686  16.711538   7.375625  36.364258
466    5     4     5    10  ...  6.447972  27.403846  13.025625  49.301758
469    5     5     5     9  ...  3.813051  22.557692  12.225625  40.051758

[114 rows x 13 columns]
—————+++++++++++++++——————————
a2
专业度     5.000000
回复速度    4.552941
服务态度    3.329412
推荐分值    9.670588
dtype: float64
     专业度  回复速度  服务态度  推荐分值  ...         a4         a5         a6         a7
4      5     5     4    10  ...   8.130511  29.096154  16.975625  51.114258
8      5     5     3    10  ...  10.432099  29.019231  18.525625  52.176758
10     5     5     4    10  ...   8.130511  29.096154  16.975625  51.114258
15     5     5     4    10  ...   8.130511  29.096154  16.975625  51.114258
31     5     5     3    10  ...  10.432099  29.019231  18.525625  52.176758
..   ...   ...   ...   ...  ...        ...        ...        ...        ...
413    5     5     3    10  ...  10.432099  29.019231  18.525625  52.176758
415    5     4     3     9  ...   5.035273  16.634615   8.925625  37.426758
456    5     4     3     9  ...   5.035273  16.634615   8.925625  37.426758
464    5     4     4    10  ...   6.749559  25.326923  12.575625  48.364258
471    5     4     4    10  ...   6.749559  25.326923  12.575625  48.364258

[85 rows x 13 columns]
—————+++++++++++++++——————————
a3
专业度     5.000000
回复速度    4.313725
服务态度    3.019608
推荐分值    7.549020
dtype: float64
     专业度  回复速度  服务态度  推荐分值  ...        a4         a5         a6         a7
5      5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
12     5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
14     5     5     4     7  ...  2.082892   9.250000   7.375625  21.114258
17     5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
22     5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
23     5     5     3     7  ...  4.384480   9.173077   8.925625  22.176758
39     5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
40     5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
50     5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
58     5     4     3     6  ...  4.987654   2.788462   5.325625  13.426758
72     5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
75     5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
77     5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
121    5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
124    5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
145    5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
148    5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
157    5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
167    5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
170    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
175    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
184    5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
205    5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
230    5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
236    5     4     3     6  ...  4.987654   2.788462   5.325625  13.426758
240    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
247    5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
248    5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
253    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
258    5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
278    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
300    5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
305    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
314    5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
315    5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
317    5     3     3     7  ...  3.622575   3.634615   2.125625  18.676758
332    5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
334    5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
354    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
364    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
367    5     4     3     6  ...  4.987654   2.788462   5.325625  13.426758
375    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
380    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
397    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
411    5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
422    5     3     3     7  ...  3.622575   3.634615   2.125625  18.676758
431    5     4     3     8  ...  3.019400  10.019231   5.725625  27.426758
433    5     4     3     7  ...  3.003527   5.403846   4.525625  19.426758
449    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758
462    5     3     3     7  ...  3.622575   3.634615   2.125625  18.676758
470    5     5     3     8  ...  4.400353  13.788462  10.125625  30.176758

[51 rows x 13 columns]
—————+++++++++++++++——————————
a4
专业度     5.000000
回复速度    3.809524
服务态度    4.650794
推荐分值    7.492063
dtype: float64
     专业度  回复速度  服务态度  推荐分值  ...        a4         a5        a6         a7
2      5     4     4     8  ...  0.717813  10.096154  4.175625  26.364258
9      5     4     4     8  ...  0.717813  10.096154  4.175625  26.364258
21     5     5     5     7  ...  1.781305  11.326923  7.825625  22.051758
24     5     4     4     7  ...  0.701940   5.480769  2.975625  18.364258
29     5     4     4     8  ...  0.717813  10.096154  4.175625  26.364258
..   ...   ...   ...   ...  ...       ...        ...       ...        ...
442    5     4     5     8  ...  0.416226  12.173077  4.625625  27.301758
448    5     4     5     8  ...  0.416226  12.173077  4.625625  27.301758
465    5     3     5     7  ...  1.019400   5.788462  1.025625  18.551758
467    5     3     5     7  ...  1.019400   5.788462  1.025625  18.551758
472    5     4     5     8  ...  0.416226  12.173077  4.625625  27.301758

[63 rows x 13 columns]
—————+++++++++++++++——————————
a5
专业度     4.923077
回复速度    2.615385
服务态度    3.461538
推荐分值    5.192308
dtype: float64
     专业度  回复速度  服务态度  推荐分值  ...         a4        a5         a6         a7
11     5     3     3     6  ...   5.606702  1.019231   2.925625  12.676758
19     5     2     3     5  ...  12.209877  0.634615   5.325625   9.926758
42     5     2     3     5  ...  12.209877  0.634615   5.325625   9.926758
47     5     2     4     5  ...   9.908289  0.711538   3.775625   8.864258
62     5     2     3     5  ...  12.209877  0.634615   5.325625   9.926758
101    5     2     4     5  ...   9.908289  0.711538   3.775625   8.864258
108    5     2     3     6  ...   8.225750  1.250000   2.525625  13.926758
111    5     3     4     5  ...   7.289242  0.480769   4.175625   7.614258
139    4     3     3     4  ...  16.574956  2.634615  11.525625   3.051758
165    5     3     3     5  ...   9.590829  0.403846   5.725625   8.676758
179    5     3     5     5  ...   6.987654  2.557692   4.625625   8.551758
196    5     2     3     6  ...   8.225750  1.250000   2.525625  13.926758
199    5     2     3     6  ...   8.225750  1.250000   2.525625  13.926758
203    5     2     3     5  ...  12.209877  0.634615   5.325625   9.926758
216    5     3     3     6  ...   5.606702  1.019231   2.925625  12.676758
259    5     3     4     5  ...   7.289242  0.480769   4.175625   7.614258
289    5     2     3     5  ...  12.209877  0.634615   5.325625   9.926758
306    5     2     4     5  ...   9.908289  0.711538   3.775625   8.864258
323    4     2     4     4  ...  16.892416  2.942308   9.575625   3.239258
344    5     4     5     5  ...   6.368607  4.326923   7.025625   9.301758
360    5     4     3     5  ...   8.971781  2.173077   8.125625   9.426758
391    5     4     3     5  ...   8.971781  2.173077   8.125625   9.426758
404    5     2     3     5  ...  12.209877  0.634615   5.325625   9.926758
405    5     3     5     5  ...   6.987654  2.557692   4.625625   8.551758
444    5     3     3     6  ...   5.606702  1.019231   2.925625  12.676758
457    5     3     3     6  ...   5.606702  1.019231   2.925625  12.676758

[26 rows x 13 columns]
—————+++++++++++++++——————————
a6
专业度     5.000
回复速度    2.300
服务态度    4.275
推荐分值    6.900
dtype: float64
     专业度  回复速度  服务态度  推荐分值  ...        a4        a5        a6         a7
53     5     3     4     7  ...  1.320988  3.711538  0.575625  17.614258
99     5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
114    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
115    5     2     4     7  ...  3.940035  3.942308  0.175625  18.864258
128    5     3     4     7  ...  1.320988  3.711538  0.575625  17.614258
141    5     3     5     6  ...  3.003527  3.173077  1.825625  12.551758
147    5     3     4     7  ...  1.320988  3.711538  0.575625  17.614258
169    5     3     5     6  ...  3.003527  3.173077  1.825625  12.551758
176    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
191    5     2     4     7  ...  3.940035  3.942308  0.175625  18.864258
192    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
200    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
204    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
215    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
221    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
223    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
227    5     2     3     7  ...  6.241623  3.865385  1.725625  19.926758
256    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
264    5     3     4     7  ...  1.320988  3.711538  0.575625  17.614258
265    5     3     4     7  ...  1.320988  3.711538  0.575625  17.614258
270    5     2     3     7  ...  6.241623  3.865385  1.725625  19.926758
287    5     3     4     7  ...  1.320988  3.711538  0.575625  17.614258
291    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
297    5     3     5     6  ...  3.003527  3.173077  1.825625  12.551758
299    5     2     4     7  ...  3.940035  3.942308  0.175625  18.864258
304    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
321    5     3     4     7  ...  1.320988  3.711538  0.575625  17.614258
353    5     2     4     7  ...  3.940035  3.942308  0.175625  18.864258
368    5     2     4     7  ...  3.940035  3.942308  0.175625  18.864258
378    5     3     4     7  ...  1.320988  3.711538  0.575625  17.614258
379    5     3     4     7  ...  1.320988  3.711538  0.575625  17.614258
383    5     2     5     7  ...  3.638448  6.019231  0.625625  19.801758
403    5     2     4     7  ...  3.940035  3.942308  0.175625  18.864258
421    5     2     3     7  ...  6.241623  3.865385  1.725625  19.926758
429    5     2     4     7  ...  3.940035  3.942308  0.175625  18.864258
434    5     2     3     7  ...  6.241623  3.865385  1.725625  19.926758
454    5     2     5     6  ...  5.622575  3.403846  1.425625  13.801758
461    5     2     3     7  ...  6.241623  3.865385  1.725625  19.926758
463    5     2     3     7  ...  6.241623  3.865385  1.725625  19.926758
468    5     2     4     7  ...  3.940035  3.942308  0.175625  18.864258

[40 rows x 13 columns]
—————+++++++++++++++——————————
a7
专业度     2.68750
回复速度    3.12500
服务态度    4.03125
推荐分值    3.50000
dtype: float64
     专业度  回复速度  服务态度  推荐分值  ...         a4         a5         a6        a7
3      4     4     5     4  ...  13.352734   6.557692  12.825625  3.676758
13     2     2     5     3  ...  32.574956  16.096154  24.825625  2.926758
16     4     3     5     3  ...  21.955908   8.173077  17.225625  2.926758
28     2     4     3     3  ...  31.940035  15.480769  28.725625  2.551758
38     3     3     4     5  ...  11.289242   4.173077   8.175625  2.364258
69     2     3     4     3  ...  30.257496  13.788462  24.775625  0.739258
103    4     2     3     3  ...  27.178131   6.250000  17.925625  4.301758
120    4     4     5     4  ...  13.352734   6.557692  12.825625  3.676758
130    2     4     3     4  ...  23.955908  12.096154  21.925625  2.551758
137    3     2     5     3  ...  27.574956  11.250000  19.825625  2.551758
146    2     2     5     4  ...  24.590829  12.711538  18.025625  2.926758
161    2     4     4     3  ...  29.638448  15.557692  27.175625  1.489258
182    2     2     3     3  ...  35.178131  13.942308  25.925625  3.051758
201    3     4     3     4  ...  18.955908   7.250000  16.925625  2.176758
202    4     4     3     3  ...  23.940035   7.788462  20.725625  3.801758
208    3     3     4     4  ...  17.273369   5.557692  12.975625  0.364258
219    2     3     4     4  ...  22.273369  10.403846  17.975625  0.739258
241    3     2     4     3  ...  27.876543   9.173077  19.375625  1.614258
249    2     3     3     3  ...  32.559083  13.711538  26.325625  1.801758
250    4     3     5     4  ...  13.971781   4.788462  10.425625  2.926758
267    2     2     3     4  ...  27.194004  10.557692  19.125625  3.051758
279    2     3     5     4  ...  21.971781  12.480769  18.425625  1.676758
293    4     4     5     3  ...  21.336861   9.942308  19.625625  3.676758
318    2     4     3     4  ...  23.955908  12.096154  21.925625  2.551758
343    2     3     5     3  ...  29.955908  15.865385  25.225625  1.676758
346    3     3     4     4  ...  17.273369   5.557692  12.975625  0.364258
358    2     4     3     4  ...  23.955908  12.096154  21.925625  2.551758
361    3     4     5     4  ...  16.352734   9.403846  15.825625  2.051758
371    2     2     3     3  ...  35.178131  13.942308  25.925625  3.051758
385    2     4     5     3  ...  29.336861  17.634615  27.625625  2.426758
445    3     4     5     3  ...  24.336861  12.788462  22.625625  2.051758
451    2     2     3     3  ...  35.178131  13.942308  25.925625  3.051758

[32 rows x 13 columns]
—————+++++++++++++++——————————

进程已结束,退出代码0

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111
112
113
114
115
116
117
118
119
120
121
122
123
124
125
126
127
128
129
130
131
132
133
134
135
136
137
138
139
140
141
142
143
144
145
146
147
148
149
150
151
152
153
154
155
156
157
158
159
160
161
162
163
164
165
166
167
168
169
170
171
172
173
174
175
176
177
178
179
180
181
182
183
184
185
186
187
188
189
190
191
192
193
194
195
196
197
198
199
200
201
202
203
204
205
206
207
208
209
210
211
212
213
214
215
216
217
218
219
220
221
222
223
224
225
226
227
228
229
230
231
232
233
234
235
236
237
238
239
240
241
242
243
244
245
246
247
248
249
250
251
252
253
254
255
256
257
258
259
260
261
262
263
264
265
266
267
268
269
270
271
272
273
274
275
276
277

import time
import numpy as np
import pandas as pd
import warnings
import copy

warnings.filterwarnings('ignore')
# 获取所需数据：'推荐分值', '专业度','回复速度','服务态度','推荐类型'
datas = pd.read_excel('./datas4.xlsx')
feats = ['专业度','回复速度','服务态度','推荐分值'] #
datas_1 = datas[feats]
"""
1. 确定初始锚点
		①. 首先随机选取一个锚点，此时，所有样本都归于当前锚点
		②. 计算出所有样本到锚点的距离，选择距锚点最远的样本点，作为新的锚点，
		③. 计算出所有样本到新锚点的距离，如果到新锚点距离更短，则分到新锚点组
		④. 然后再次分别计算所有样本到各自锚点的距离，选择各组中距离锚点最远的点，作为新锚点，（注意：如果已经有多个锚点，也是依次遍历多个锚点，生成新锚点）
		⑤. 依次循环234步，直到得到$N_{point}$个锚点

2. 数据样本分组
3. 计算各组新锚点
4. 重复2和3步，直到达标
"""

class K_means():
    def __init__(self,datas,K_num = 8,times=300):
        self.datas = datas
        self.K_num = K_num
        self.clas = ['a'+str(i) for i in range(K_num)]
        self.points = {}
        self.points_num = len(self.points)
        self.times = times
        self.end = False

    def get_distance(self,data,point):
        """计算两点的距离"""
        dis = 0
        for feat in feats:
            dis += (data[feat]-point[feat])**2
        return dis
    def get_dis_datas(self,point,cla):
        """计算所有样本与所有锚点的距离，并维护在数据表中"""
        dis = self.datas.apply(self.get_distance, args=(point,), axis=1)
        self.datas[cla] = dis
    def get_cla_name(self):
        """获取组名"""
        return 'a'+str(len(self.points))
    def get_far_point(self,datas,point,cla):
        """获取距离最远的点,并维护dataframe，存储所有样本离锚点的距离"""
        dis = datas.apply(self.get_distance, args=(point,), axis=1)
        datas[cla] = dis
        point_new = datas.loc[datas[cla].idxmax()]
        return point_new
    # 分组
    def divide_datas(self,temp_points):
        clas = temp_points.keys()
        for cla,value in temp_points.items():
            point = value['point']
            self.get_dis_datas(point,cla)
        self.datas['class'] = self.datas[clas].idxmin(axis=1)
        for cla,value in self.points.items():
            self.points[cla]['datas'] = pd.DataFrame()
        groups = self.datas.groupby('class')
        for cla,value in groups:
            self.points[cla]['datas'] = value
    # 1. 确定初始锚点：K_means++
    def get_points(self):
        while len(self.points)<self.K_num:
            if len(self.points) == 0:
                point = self.datas.sample()
                cla_new = self.get_cla_name()
                self.points[cla_new] = {'point':point,'datas':pd.DataFrame()}

            temp_points = copy.deepcopy(self.points)
            self.divide_datas(temp_points)
            for cla,value in temp_points.items():
                point = value['point']
                datas = value['datas']
                if datas.empty:
                    continue
                cla_new = self.get_cla_name()
                point_new = self.get_far_point(datas,point,cla)
                self.points[cla_new] = {'point':point_new,'datas':pd.DataFrame()}
                if len(self.points)>=self.K_num:
                    break
    # 2. 重复234步，迭代聚类
    def learning(self):
        self.get_points()
        num = 0
        while not self.end and num<self.times:
            self.end = True
            num += 1
            last_point = copy.deepcopy(self.points)
            self.divide_datas(self.points)
            for cla,value in self.points.items():
                if value['datas'].empty:
                    continue
                point_new = value['datas'][feats].mean()
                self.points[cla]['point'] = point_new
                if not last_point[cla]['point'][feats].equals(point_new):
                    self.end = False
        for cla,value in self.points.items():
            print(cla)
            print(value['point'])
            print(value['datas'])
            print("—————+++++++++++++++——————————")

temp = K_means(datas_1)
temp.learning()


1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
101
102
103
104
105
106
107
108
109
110
111