import numpy as np import pandas as pd X=pd.read_excel(r"C:\Users\Lenovo\Desktop\3.xlsx",header=None) #均方值规范化 from sklearn.preprocessing import StandardScaler scaler = StandardScaler() X=scaler.fit_transform(X) #给类别分类 from sklearn.cluster import KMeans model = KMeans(n_clusters = 2, random_state=0, max_iter = 500) #分类数,随机种子,最大迭代数 model.fit(X) c=model.labels_ c=c.reshape((31,1)) X=np.hstack((X,c)) x0=X[X[:,10]==0,0] y0=X[X[:,10]==0,1] x1=X[X[:,10]==1,0] y1=X[X[:,10]==1,1] import matplotlib.pyplot as plt plt.plot(x0,y0,'r*') plt.plot(x1,y1,'bo') plt.show()哪里转换浮点数了
时间: 2024-03-31 18:32:48 浏览: 20
在这段代码中,浮点数的转换是通过 StandardScaler 类实现的,它将 Excel 文件中读取的数据转换为了浮点数类型,并进行了标准化处理。具体来说,StandardScaler 类中的 fit_transform() 方法会将传入的数据转换为浮点数类型,并计算数据集的均值和标准差,然后对数据进行标准化处理,最终返回转换后的浮点数类型的数据。所以这段代码中的 X=scaler.fit_transform(X) 就是将数据从原来的 object 类型转换为了浮点数类型。
相关推荐
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![pdf](https://img-home.csdnimg.cn/images/20210720083512.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![7z](https://img-home.csdnimg.cn/images/20210720083312.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![docx](https://img-home.csdnimg.cn/images/20210720083331.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)
![py](https://img-home.csdnimg.cn/images/20210720083646.png)
![zip](https://img-home.csdnimg.cn/images/20210720083736.png)