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