利用python的KMeans和PCA包实现聚类算法
题目： 通过给出的驾驶员行为数据（trip.csv），对驾驶员不同时段的驾驶类型进行聚类,聚成普通驾驶类型，激进类型和超冷静型3类 。 利用Python的scikit-learn包中的Kmeans算法进行聚类算法的应用练习。并利用scikit-learn包中的PCA算法来对聚类后的数据进行降维，然后画图展示出聚类效果。通过调节聚类算法的参数，来观察聚类效果的变化，练习调参。
数据介绍： 选取某一个驾驶员的经过处理的数据集trip.csv，将该驾驶人的各个时间段的特征进行聚类。（注：其中的driver 和trip_no 不参与聚类）
字段介绍： driver ：驾驶员编号；trip_no：trip编号；v_avg：平均速度；v_var：速度的方差；a_avg：平均加速度；a_var：加速度的方差；r_avg：平均转速；r_var：转速的方差； v_a：速度level为a时的时间占比（同理v_b ， v_c ， v_d ）； a_a：加速度level为a时的时间占比（同理a_b, a_c）； r_a：转速level为a时的时间占比（ r_b, r_c）
聚类算法要求：
（1）统计各个类别的数目
（2）找出聚类中心
（3）将每条数据聚成的类别（该列命名为jllable ）和原始数据集进行合并，形成新的dataframe，命名为new_df ，并输出到本地，命名为new_df.csv。
降维算法要求：
（1）将用于聚类的数据的特征的维度降至2维，并输出降维后的数据，形成一个dataframe名字new_pca
（2）画图来展示聚类效果（可用如下代码）：
import matplotlib.pyplot asplt
d = new_pca[new_df['jllable'] == 0]
plt.plot(d[0], d[1], 'r.')
d = new_pca[new_df['jllable'] == 1]
plt.plot(d[0], d[1], 'go')
d = new_pca[new_df['jllable'] == 2]
plt.plot(d[0], d[1], 'b*')
plt.gcf().savefig('D:/workspace/python/Practice/ddsx/kmeans.png')
plt.show()
python实现代码如下：
|
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 |
from
sklearn.cluster
import
KMeansfrom
sklearn.decomposition
import
PCAimport
pandas as pdimport
numpy as npimport
matplotlib.pyplot as pltdf
=
pd.read_csv(
'trip.csv'
, header
=
0
, encoding
=
'utf-8'
)df1
=
df.ix[:,
2
:]kmeans
=
KMeans(n_clusters
=
3
, random_state
=
10
).fit(df1)df1[
'jllable'
]
=
kmeans.labels_df_count_type
=
df1.groupby(
'jllable'
).
apply
(np.size)##各个类别的数目df_count_type##聚类中心kmeans.cluster_centers_##新的dataframe，命名为new_df ，并输出到本地，命名为new_df.csv。new_df
=
df1[:]new_dfnew_df.to_csv(
'new_df.csv'
)##将用于聚类的数据的特征的维度降至2维，并输出降维后的数据，形成一个dataframe名字new_pcapca
=
PCA(n_components
=
2
)new_pca
=
pd.DataFrame(pca.fit_transform(new_df))##可视化d
=
new_pca[new_df[
'jllable'
]
=
=
0
]plt.plot(d[
0
], d[
1
],
'r.'
)d
=
new_pca[new_df[
'jllable'
]
=
=
1
]plt.plot(d[
0
], d[
1
],
'go'
)d
=
new_pca[new_df[
'jllable'
]
=
=
2
]plt.plot(d[
0
], d[
1
],
'b*'
)plt.gcf().savefig(
'kmeans.png'
)plt.show() |
运行结果如下:
##各个类别的数目
##聚类中心
##新的dataframe，命名为new_df ，并输出到本地，命名为new_df.csv。
##可视化------kmeans.png
http://shenzhen.offcn.com/
来自 “ ITPUB博客 ” ，链接：https://blog.itpub.net/31543790/viewspace-2657033/ ，如需转载，请注明出处，否则将追究法律责任。
