python 读取csv文件 用k-medoide算法聚类不使用scikit-learn库 轮廓系数 可视化

好的，如果你不想使用scikit-learn库，你可以手动实现k-medoids算法。以下是一个简单的实现代码：

import numpy as np
import pandas as pd
import random
from scipy.spatial.distance import pdist, squareform

# 读取csv文件
data = pd.read_csv('your_file.csv')

# 定义k-medoids算法
def kmedoids(D, k, tmax=100):
    m, n = D.shape

    # 初始化中心点
    index = np.arange(m)
    np.random.shuffle(index)
    M = index[:k]

    # 计算距离矩阵
    D = squareform(pdist(D))

    # 初始化标签
    C = np.argmin(D[:, M], axis=1)

    # 迭代更新中心点和标签
    for t in range(tmax):
        for k in range(m):
            # 选择一个非中心点
            if k not in M:
                # 计算新的中心点
                M_temp = M.copy()
                M_temp[random.choice(range(len(M)))] = k
                # 计算新的标签
                C_temp = np.argmin(D[:, M_temp], axis=1)
                # 比较新的标签和旧的标签的轮廓系数
                if metrics.silhouette_score(D, C_temp) > metrics.silhouette_score(D, C):
                    M = M_temp
                    C = C_temp

    return M, C

# 调用kmedoids函数进行聚类
M, C = kmedoids(data.values, 2)

# 计算轮廓系数
D = squareform(pdist(data.values))
silhouette_score = metrics.silhouette_score(D, C)

# 将聚类结果添加到数据集中
data['cluster'] = C

# 可视化聚类结果
sns.scatterplot(x='x_axis', y='y_axis', hue='cluster', data=data)

# 显示图形
plt.show()

这个实现代码中，我们手动实现了k-medoids算法，并使用了轮廓系数评价聚类效果，最后使用matplotlib和seaborn库可视化聚类结果。希望对你有帮助！