Python读取csv文件做K-means分析

Posted 空中旋转篮球

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Python读取csv文件做K-means分析相关的知识,希望对你有一定的参考价值。

1.运行环境及数据

Python3.7、PyCharm Community Edition 2021.1.1,win10系统。

使用的库:matplotlib、numpy、sklearn、pandas等

数据:CSV文件,包含时间,经纬度,高程等数据

2.基于时间序列的分析2D

读取时间列和高程做一下分析:

代码如下:

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans, MiniBatchKMeans
import pandas as pd

if __name__ == "__main__":
    data = pd.read_csv(r"H:\\CSDN_Test_Data\\UseYourTestData.csv")
    x, y = data['Time (sec)'], data['Height (m HAE)']
    n = len(x)
    x = np.array(x)
    x = x.reshape(n, 1)#reshape 为一列
    y = np.array(y)
    y = y.reshape(n, 1)#reshape 为一列
    data = np.hstack((x, y)) #水平合并为两列
    k = 8  # 设置颜色聚类的类别个数(我们分别设置8,16,32,64,128进行对比)
    cluster = KMeans(n_clusters=k)  # 构造聚类器
    C = cluster.fit_predict(data)
    # C_Image = cluster.fit_predict(data)

    plt.figure()
    plt.scatter(data[:, 0], data[:, 1], marker='o', s=2, c=C)
    plt.show()

结果展示:

2.1 2000行数据结果展示

 2.2 6950行数据结果展示

 2.3 300M,约105万行数据结果展示

CPU立马90%以上了。大约1-2分钟,也比较快了。

markersize有些大了, 将markersize改小一些显示,设置为0.1,点太多还是不明显。

 3.经纬度高程三维坐标分类显示3D-空间点聚类

修改代码,读取相应的列修改为X,Y,Z坐标:如下:

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans, MiniBatchKMeans
import pandas as pd
from mpl_toolkits.mplot3d import Axes3D

if __name__ == "__main__":
    data = pd.read_csv(r"H:\\CSDN_Test_Data\\UseYourTestData.csv")
    x, y,z = data['Longitude (deg)'],data['Latitude (deg)'],  data['Height (m HAE)']
    n = len(x)
    x = np.array(x)
    x = x.reshape(n, 1)#reshape 为一列
    y = np.array(y)
    y = y.reshape(n, 1)#reshape 为一列
    z = np.array(z)
    z = z.reshape(n, 1)  # reshape 为一列
    data = np.hstack((x, y, z)) #水平合并为两列
    k = 8  # 设置颜色聚类的类别个数(我们分别设置8,16,32,64,128进行对比)
    cluster = KMeans(n_clusters=k)  # 构造聚类器
    C = cluster.fit_predict(data)

    # C_Image = cluster.fit_predict(data)
    fig = plt.figure()
    ax = Axes3D(fig)

    ax.scatter(data[:, 0], data[:, 1],data[:, 2], s=1, c=C)
    # 绘制图例
    ax.legend(loc='best')
    # 添加坐标轴
    ax.set_zlabel('Z Label', fontdict='size': 15, 'color': 'red')
    ax.set_ylabel('Y Label', fontdict='size': 15, 'color': 'red')
    ax.set_xlabel('X Label', fontdict='size': 15, 'color': 'red')
    plt.show()

3.1 2000行数据结果显示

由于经度在纬度方向上在17m范围类,所以立体效果较差,可以换其他数据测试。

 

 2.2 300M的CSV数据计算显示效果

105万行数据显示结果:

4.将分类结果保存并添加到csv

我们将输出结果读取出来,保存到原始csv文件的最后一列中,将这段代码添加到最后。

C1=np.array(C) #C是一个list,包含多个类别
C1=C1.reshape(n,) #将C转为C1,转化为原始行数你,即变成了一列list数据
print(C1)

data["K-mean_Cluster"] = C1 
output_path_file="your_output_full_path" #输出完整路径
data.to_csv(output_path_file, index=False)  # 把数据写入数据集,index=False表示不加索引

C结果是一个list,结果如下:

[2 2 2 ... 0 5 0]

完整代码为:

from PIL import Image
import matplotlib.pyplot as plt
import numpy as np
from sklearn.cluster import KMeans, MiniBatchKMeans
import pandas as pd
 
if __name__ == "__main__":
    data = pd.read_csv(r"H:\\CSDN_Test_Data\\UseYourTestData.csv")
    x, y = data['Time (sec)'], data['Height (m HAE)']
    n = len(x)
    x = np.array(x)
    x = x.reshape(n, 1)#reshape 为一列
    y = np.array(y)
    y = y.reshape(n, 1)#reshape 为一列
    Z = np.hstack((x, y)) #水平合并为两列
    k = 8  # 设置颜色聚类的类别个数(我们分别设置8,16,32,64,128进行对比)
    cluster = KMeans(n_clusters=k)  # 构造聚类器
    C = cluster.fit_predict(Z)

    plt.figure()
    plt.scatter(Z[:, 0], Z[:, 1], marker='o', s=2, c=C)
    plt.show()
    C1=np.array(C) #C是一个list,包含多个类别
    C1=C1.reshape(n,) #将C转为C1,转化为原始行数你,即变成了一列list数据
    print(C1)

    data["K-mean_Cluster"] = C1 
    output_path_file="your_output_full_path" #输出完整路径
    data.to_csv(output_path_file, index=False)  # 把数据写入数据集,index=False表示不加索引

以上是关于Python读取csv文件做K-means分析的主要内容,如果未能解决你的问题,请参考以下文章

Python读取csv文件做dbscan分析

Python读取csv文件做dbscan分析

为什么推荐Python做数据分析?如何学习?

python读写csv文件

Python - csv 阅读器 - 阅读一个样本。

Python读取ExcelCSV文件