K-means算法对地图上点进行聚类（未修订篇）

来源：互联网发布：mac dock图标大小编辑：程序博客网时间：2024/06/01 09:26
# -*- coding: utf-8 -*-"""In the general case, we have a "target function" that we want to minimize,and we also have its "gradient function". Also, we have chosen a startingvalue for the parameters "theta_0"."""#### K-均值聚类支持函数from numpy import *#import kMeans_my#from numpy import *#import kMeans_my#from numpy import *###导入数据def loadDataSet(fileName):      #general function to parse tab -delimited floats    dataMat = []                #assume last column is target value    fr = open(fileName)    for line in fr.readlines():        curLine = line.strip().split('\t')        fltLine = map(float,curLine)     #map all elements to float()        dataMat.append(fltLine)    return dataMat#dataMat = mat(kMeans_my.loadDataSet('testSet.txt'))#定义两个向量的欧氏距离。def distEclud(vecA,vecB):    return sqrt(sum(power(vecA-vecB,2)))## 构建簇质心   #初始化k个簇的质心函数centroid#传入的数据是Numpy的矩阵格式。def randCent(dataSet,k):    n = shape(dataSet)[1]    centroids = mat(zeros((k,n)))    for j in range(n):        minJ = min(dataSet[:,j])  #找出矩阵dataMat第J列最小值。        rangeJ = float(max(dataSet[:,j])-minJ) #计算第J列最大值最小值之差。        #赋予一个随机质心，它的值在整个数据集的边界之内。        centroids[:,j] = minJ + rangeJ * random.rand(k,1)    return centroids   #返回一个随机的质心矩阵# import kMeans_my# from numpy import *# dataMat = mat(kMeans_my.loadDataSet('testSet.txt'))# min(dataMat[:,0])# min(dataMat[:,1])# max(dataMat[:,1])# max(dataMat[:,0])# kMeans_my.randCent(dataMat,2)#kMeans_my.distEclud(dataMat[0],dataMat[1])### k-均值聚类算法def kMeans(dataSet,k,distMeas=distEclud,createCent = randCent):    m = shape(dataSet)[0]    # 获得行数m    clusterAssment = mat(zeros((m,2)))   #初始化一个矩阵，用来记录簇索引和存储误差。    centroids = createCent(dataSet,k)     #随机的得到一个质心矩阵簇。    clusterChanged = True    while clusterChanged:        clusterChanged = False        for i in range(m):  #对每个点寻找最近的质心            minDist= inf            minIndex = -1            for j in range(k):  #遍历质心簇，寻找最近质心                distJI = distMeas(centroids[j,:],dataSet[i,:])  #计算数据点和质心的欧氏距离                if distJI < minDist:                    minDist = distJI                    minIndex = j            if clusterAssment[i,0] != minIndex:                clusterChanged =True            clusterAssment[i,:] = minIndex, minDist**2        print centroids        for cent in range(k):  #更新质心位置。                ptsInClust = dataSet[nonzero(clusterAssment[:,0].A==cent)[0]]                # print clusterAssment[:,0].A;                #print clusterAssment[:,0].A==cent;                print nonzero(clusterAssment[:,0].A==cent);                print nonzero(clusterAssment[:,0].A==cent)[0];                centroids[cent,:] = mean(ptsInClust,axis=0)                print centroids[cent,:]    return centroids,clusterAssment# myCentroids, clusteAssing = kMeans_my.kMeans(dataMat, 4)#dataMat = mat(kMeans_my.loadDataSet('testSet.txt'))#kMeans(dataMat,4);###二分K-均值聚类算法import kMeans_mydataMat3 = mat(kMeans_my.loadDataSet('testSet2.txt'))def biKmeans(dataSet,k,distMeas=distEclud):    m = shape(dataSet) [0]    clusterAssment = mat(zeros((m,2)))    centroid0 = mean(dataSet,axis=0).tolist()[0]      #tolist()生成list。    axis=0 为列    centList = [centroid0]    for j in range(m):                   # 按行        clusterAssment[j,1] = distMeas(mat(centroid0),dataSet[j,:])**2  # 求距离    ###对簇划分    while (len(centList) < k):        lowestSSE = inf        for i in range(len(centList)):     # len(centList) <= k            ptsInCurrCluster = \                     dataSet[nonzero(clusterAssment[:,0].A == i)[0],:]    # 列[:,0] 每个簇所有点视为一个小数据集。 i 第i个簇 。  取出第i个簇的所有数据，返回行号，对应到数据集的行。            centroidMat, splitClustAss = \                     kMeans(ptsInCurrCluster,2,distMeas)       # 对每个簇划为2，距离度量。   返回质心和簇划分（索引，距离）            sseSplit = sum(splitClustAss[:, 1])                #误差            sseNotSplit = \                    sum(clusterAssment[nonzero(clusterAssment[:,0].A != i)[0],1])     #簇误差            print "sseSplit, and notSplit:",sseSplit,sseNotSplit            # 返回 centroidMat,splitClustAss            ####实际划分簇操作            if (sseSplit + sseNotSplit) < lowestSSE:                bestCentToSplit = i                bestNewCents = centroidMat                bestClustAss = splitClustAss.copy()                lowestSSE = sseSplit + sseNotSplit        bestClustAss[nonzero(bestClustAss[:0].A==1)[0],0] = len(centList)           #编号为0 ， 1 的结果簇。        bestClustAss[nonzero(bestClustAss[:,0].A==0)[0],0] = bestCentToSplit        print 'the bestCentToSplit is:' , bestCentToSplit        print 'the len of bestClustAss is:' , len(bestClustAss)        centList[bestCentToSplit] = bestNewCents[0,:]          # 簇bestCentToSplit的质心坐标        centList.append(bestNewCents[1,:])                     # 簇bestCentToSplit的质心坐标添加到质心矩阵        clusterAssment[nonzero(clusterAssment[:,0].A == bestCentToSplit)[0],:] = bestClustAss    # clusterAssment的行坐标更新为splitClustAss某簇的行坐标。    return mat(centList), clusterAssment      #返回质心坐标，簇的行#dataMat3 = mat(kMeans_my.loadDataSet('testSet2.txt'))# centList, myNewAssments = kMeans_my.biKmeans(dataMat3,3)# centList###雅虎提供API，给定地址返回地址对应的经度纬度。import urllibimport json###对一个地址进行地理编码def geoGrab(stAddress, city):      #从雅虎返回一个字典    apiStem = 'http://where.yahooapis.com/geocode?'  #create a dict and constants for the goecoder    params = {}      #创建字典，为字典设置值。    params['flags'] = 'J'#JSON return type    params['appid'] = 'aaa0VN6k'    params['location'] = '%s %s' % (stAddress, city)    url_params = urllib.urlencode(params)       #字典转换为字符串。    yahooApi = apiStem + url_params      #print url_params    print yahooApi    c=urllib.urlopen(yahooApi)     #打开URL读取，URL传递字符串    return json.loads(c.read())    #将json格式解码为字典。from time import sleepdef massPlaceFind(fileName):      #封装信息，并保存到文件。    fw = open('places.txt', 'w')  #打开一个以tab分隔的文本文件    for line in open(fileName).readlines():        line = line.strip()        lineArr = line.split('\t')        retDict = geoGrab(lineArr[1], lineArr[2])     #获取第2,3列结果        if retDict['ResultSet']['Error'] == 0:        #输出字典看有没有错误            lat = float(retDict['ResultSet']['Results'][0]['latitude'])   #若无错误，则读取经纬度。            lng = float(retDict['ResultSet']['Results'][0]['longitude'])            print "%s\t%f\t%f" % (lineArr[0], lat, lng)            fw.write('%s\t%f\t%f\n' % (line, lat, lng))    #添加到原来对应的行，同时写到新文件中。        else: print "error fetching"        sleep(1)      #休眠，防止频繁调用。    fw.close()#import kMeans_my#geoResults = kMeans_my.geoGrab('1 VA Center','Augusta,ME')#geoResults#####对地理坐标进行聚类###球面距离计算def distSLC(vecA, vecB):    #球面余弦定理    a = sin(vecA[0,1]*pi/180) * sin(vecB[0,1]*pi/180)       #pi/180转换为弧度 ，pi  ,numpy    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####簇绘图函数import matplotlibimport matplotlib.pyplot as pltdef clusterClubs(numClust=5):   #希望得到簇数目为5    datList = []               # 初始化，创建新列表    #####将文本文件的解析、聚类及画图都封装在一起    ##文件解析    for line in open('places.txt').readlines():     #对于读取文件的行，for循环。        lineArr = line.split('\t')        datList.append([float(lineArr[4]), float(lineArr[3])])   #获取文本第5,4列；这两列分别对应着经度和纬度。并添加到创建的新列表datList中。    dataMat = mat(datList)       #将基于经纬度创建的列表datList矩阵化。    ##聚类    myCentroids, clustAssing = biKmeans(dataMat, numClust, distMeas=distSLC)   #调用Kmeans函数，并使用球面余弦定理计算距离，返回myCentroids, clustAssing。    fig = plt.figure()  #可视化簇和簇质心。    ####为了画出这幅图，首先创建一幅画，一个矩形    rect = [0.1, 0.1, 0.8, 0.8]   #创建矩形。    scatterMarkers = ['s', 'o', '^', '8', 'p', \                      'd', 'v', 'h', '>', '<']     #使用唯一标记来标识每个簇。    axprops = dict(xticks=[], yticks=[])    ax0 = fig.add_axes(rect, label='ax0', **axprops)    #绘制一幅图，图0    imgP = plt.imread('Portland.png')    #调用 imread 函数，基于一幅图像，来创建矩阵。    ax0.imshow(imgP)              #调用imshow ，绘制（基于图像创建）矩阵的图。    ax1 = fig.add_axes(rect, label='ax1', frameon=False)    #绘制衣服新图，图1。 作用：使用两套坐标系统（不做任何偏移或缩放）。    ###遍历每个簇，把它画出来。    for i in range(numClust):     # 簇号循环。        ptsInCurrCluster = dataMat[nonzero(clustAssing[:, 0].A == i)[0], :]   #挑选出该簇所有点。        markerStyle = scatterMarkers[i % len(scatterMarkers)]      #从前面创建的标记列表中获得标记。使用索引i % len(scatterMarkers)选择标记形状。 作用：更多的图可以使用这些标记形状。        ax1.scatter(ptsInCurrCluster[:, 0].flatten().A[0], ptsInCurrCluster[:, 1].flatten().A[0], marker=markerStyle,s=90)        #每个簇的所有点ptsInCurrCluster，根据标记画出图形。    ax1.scatter(myCentroids[:, 0].flatten().A[0], myCentroids[:, 1].flatten().A[0], marker='+', s=300)    #使用 + 标记来表示簇中心，并在图中显示。    plt.show()
0 0