Python的kemans聚类和数据标准化

落日映苍穹つ 2023-06-21 03:50 1阅读 0赞

### Python的excel空间保存 ###

pip install openpyxl -i https://pypi.tuna.tsinghua.edu.cn/simple/

程序代码如下

#-*- coding: utf-8 -*-
    from openpyxl import Workbook
    wb = Workbook()
    # grab the active worksheet
    ws = wb.active
    # Data can be assigned directly to cells
    ws['A1'] = 42
    # Rows can also be appended
    ws.append([1, 2, 3])
    # Python types will automatically be converted
    import datetime
    ws['A2'] = datetime.datetime.now()
    # Save the file
    wb.save("sample.xlsx")

或者用以下方法将数据对象保存到excel中去

data.to_excel(zscoredfile, index = False) #数据写入

指定Excel的sheet读取数据

data1= pd.read_excel("C:\\Users\\Administrator\\Desktop\\V1_data.xlsx",sheet_name='Sheet3', encoding="gbk")

### Python数据的标准化 ###

#-*- coding: utf-8 -*-
    #标准差标准化
    
    import pandas as pd
    
    datafile = 'path/zscoredata.xls' #需要进行标准化的数据文件；
    zscoredfile = 'path/zscoreddata.xls' #标准差化后的数据存储路径文件；
    
    #标准化处理
    data = pd.read_excel(datafile)
    data = (data - data.mean(axis = 0))/(data.std(axis = 0)) #简洁的语句实现了标准化变换，类似地可以实现任何想要的变换。
    data.columns=['Z'+i for i in data.columns] #表头重命名。

### Kemans聚类算法 ###

#-*- coding: utf-8 -*-
    #K-Means聚类算法
    import numpy as np
    import pandas as pd
    from sklearn.cluster import KMeans #导入K均值聚类算法
    import matplotlib.pyplot as plt
    
    
    inputfile = 'C:\\Users\\Administrator\\Downloads\\Python练手项目\\python_data_analysis_2019\\chapter7\\demo\\data\\zscoreddata.xlsx' #待聚类的数据文件
    k = 5                      #需要进行的聚类类别数
    
    #读取数据并进行聚类分析
    data = pd.read_excel(inputfile) #读取数据
    #调用k-means算法，进行聚类分析
    kmodel = KMeans(n_clusters = k, n_jobs = 4) #n_jobs是并行数，一般等于CPU数较好
    kmodel.fit(data) #训练模型
    bar_width=0.2
    center =kmodel.cluster_centers_ #查看聚类中心
    labels=kmodel.labels_ #查看各样本对应的类别
    plt.bar(x=np.arange(5), height=center[:,0], label='zl',
        color='steelblue', alpha=0.8, width=bar_width)
    plt.bar(x=np.arange(5)+bar_width, height=center[:,1], label='zr',
        color='indianred', alpha=0.8, width=bar_width)
    plt.bar(x=np.arange(5)+2*bar_width, height=center[:,2], label='zf',
        color='blue', alpha=0.8, width=bar_width)
    plt.bar(x=np.arange(5)+3*bar_width, height=center[:,3], label='zm',
        color='green', alpha=0.8, width=bar_width)
    plt.bar(x=np.arange(5)+4*bar_width, height=center[:,3], label='zc',
        color='yellow', alpha=0.8, width=bar_width)
    plt.show()

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20191211094006343.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3RhbmRlbGlu,size_16,color_FFFFFF,t_70