image.png
    image.png
    image.png

    image.png

    1. #-*- coding: utf-8 -*-
    2. #数据规范化
    3. import pandas as pd
    4. import numpy as np
    6. datafile = '../data/normalization_data.xls' #参数初始化
    7. data = pd.read_excel(datafile, header = None) #读取数据
    9. (data - data.min())/(data.max() - data.min()) #最小-最大规范化
    10. (data - data.mean())/data.std() #零-均值规范化
    11. data/10**np.ceil(np.log10(data.abs().max())) #小数定标规范化
    1. #-*- coding: utf-8 -*-
    2. #数据规范化
    3. import pandas as pd
    5. datafile = '../data/discretization_data.xls' #参数初始化
    6. data = pd.read_excel(datafile) #读取数据
    7. data = data[u'肝气郁结证型系数'].copy()
    8. k = 4
    10. d1 = pd.cut(data, k, labels = range(k)) #等宽离散化，各个类比依次命名为0,1,2,3
    12. #等频率离散化
    13. w = [1.0*i/k for i in range(k+1)]
    14. w = data.describe(percentiles = w)[4:4+k+1] #使用describe函数自动计算分位数
    15. w[0] = w[0]*(1-1e-10)
    16. d2 = pd.cut(data, w, labels = range(k))
    18. from sklearn.cluster import KMeans #引入KMeans
    19. kmodel = KMeans(n_clusters = k, n_jobs = 4) #建立模型，n_jobs是并行数，一般等于CPU数较好
    20. # kmodel.fit(data.reshape((len(data), 1))) #训练模型 
    21. # AttributeError: 'Series' object has no attribute 'reshape'
    22. kmodel.fit(data.values.reshape((len(data), 1))) #训练模型 
    23. c = pd.DataFrame(kmodel.cluster_centers_).sort_index(0) #输出聚类中心，并且排序（默认是随机序的）
    24. # w = pd.rolling_mean(c, 2).iloc[1:] #相邻两项求中点，作为边界点
    25. # AttributeError: module 'pandas' has no attribute 'rolling_mean' 旧版本问题
    26. w = c.rolling(2).mean().iloc[1:] #相邻两项求中点，作为边界点
    27. # c
    28. # Out[40]: 
    29. #           0
    30. # 0  0.221695
    31. # 1  0.138327
    32. # 2  0.408679
    33. # 3  0.295406
    35. # w
    36. # Out[42]: 
    37. #           0
    38. # 1  0.180011
    39. # 2  0.273503
    40. # 3  0.352043
    43. w = [0] + list(w[0]) + [data.max()] #把首末边界点加上
    44. # d3 = pd.cut(data, w, labels = range(k))
    45. # 这里k=4，w也有4
    46. d3 = pd.cut(data, w, labels = range(k))  #????
    50. def cluster_plot(d, k): #自定义作图函数来显示聚类结果
    51.   import matplotlib.pyplot as plt
    52.   plt.rcParams['font.sans-serif'] = ['SimHei'] #用来正常显示中文标签
    53.   plt.rcParams['axes.unicode_minus'] = False #用来正常显示负号
    55.   plt.figure(figsize = (8, 3))
    56.   for j in range(0, k):
    57.     plt.plot(data[d==j], [j for i in d[d==j]], 'o')
    59.   plt.ylim(-0.5, k-0.5)
    60.   return plt
    62. cluster_plot(d1, k).show()
    64. cluster_plot(d2, k).show()
    65. cluster_plot(d3, k).show()