python聚类分析实例

以下是一个简单的 Python 聚类分析实例：

# 导入必要的库
from sklearn.cluster import KMeans
import pandas as pd
import matplotlib.pyplot as plt

# 读取数据
data = pd.read_csv('data.csv')

# 聚类分析
kmeans = KMeans(n_clusters=3, random_state=0).fit(data)

# 绘制散点图
plt.scatter(data['x'], data['y'], c=kmeans.labels_.astype(float))

# 显示图像
plt.show()

在这个例子中，我们使用了 scikit-learn 库中的 KMeans 算法对数据进行聚类分析。我们首先读取了一个包含 x 和 y 坐标的数据集，然后使用 KMeans 算法将数据分成 3 个簇。最后，我们绘制了一个散点图来显示聚类的结果。

相关问题

python聚类分析代码实例

以下是一个简单的 Python 聚类分析代码实例：

from sklearn.cluster import KMeans
import numpy as np

# 生成随机数据
X = np.random.rand(100, 2)

# 聚类分析
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

# 输出聚类结果
print(kmeans.labels_)

这段代码使用了 scikit-learn 库中的 KMeans 类进行聚类分析，将随机生成的 100 个二维数据分成了 3 类。

python聚类算法实例

好的，这里给你一个 K-means 聚类算法的实例，使用 Python 的 scikit-learn 库实现：

from sklearn.cluster import KMeans
import numpy as np

# 生成随机数据
X = np.random.rand(100, 2)

# 聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

# 输出聚类结果
print(kmeans.labels_)

以上例子中，我们生成了一个 100 行 2 列的随机数据，并使用 K-means 算法将其分成 3 类。运行代码后，输出的 `kmeans.labels_` 列表即为聚类结果。