a.程序功能: 读入“housing.csv”文件,按注释要求对某地区收入中位数进行聚类,以展示该地区的收入情况。聚类需要使用数据集中的三列元素:longitude(经度);latitude(纬度);median_income(收入中位数)。 b.原始程序如下图所示: # fillblank_2.py import matplotlib.pyplot as plt from ________【1】________ import KMeans # 导入聚类库 import pandas as pd import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 加载数据集并提取数据 data_ori = ________【2】________ # 读取housing.csv全部数据 data = ________【3】________ # 提取聚类需要使用的三列元素 # 从键盘输入聚类数 n = int(input("请输入聚类数:\n")) # 聚类训练 res = KMeans(________【4】________, random_state = 1) # 设置聚类数为n res.fit(data) # 展示结果 centers = ________【5】________ # 获取所有簇中心 print(centers)

时间: 2024-03-13 10:48:14 浏览: 45
以下是完整的程序代码: ```python import matplotlib.pyplot as plt from sklearn.cluster import KMeans # 导入聚类库 import pandas as pd import numpy as np plt.rcParams['font.sans-serif'] = ['SimHei'] plt.rcParams['axes.unicode_minus'] = False # 加载数据集并提取数据 data_ori = pd.read_csv('housing.csv') # 读取housing.csv全部数据 data = data_ori[['longitude', 'latitude', 'median_income']] # 提取聚类需要使用的三列元素 # 从键盘输入聚类数 n = int(input("请输入聚类数:\n")) # 聚类训练 res = KMeans(n_clusters=n, random_state=1) # 设置聚类数为n res.fit(data) # 展示结果 centers = res.cluster_centers_ # 获取所有簇中心 print(centers) # 绘制散点图和聚类中心 plt.scatter(data['longitude'], data['latitude'], c=res.labels_, cmap='rainbow') plt.scatter(centers[:, 0], centers[:, 1], marker='x', s=200, linewidths=3, color='k') plt.xlabel('longitude') plt.ylabel('latitude') plt.title('收入中位数聚类结果') plt.show() ``` 程序使用`pandas`库读取`housing.csv`文件的全部数据,并提取需要聚类的三列元素。然后,程序从键盘输入聚类数,并使用`sklearn.cluster.KMeans`函数进行聚类训练。最后,程序获取所有簇中心,并使用`matplotlib`库绘制散点图和聚类中心。输出的结果类似于: ``` 请输入聚类数: 4 [[-117.7749376 33.74171486 2.51461629] [-121.8983751 38.65245874 4.10475158] [-119.8868937 36.00482759 2.65915944] [-118.2009091 34.15344017 6.46092896]] ``` 输出的结果表示四个聚类的中心点分别在不同的经纬度位置,并且收入中位数也不相同。同时,程序还会弹出一个散点图窗口,展示聚类的结果。

相关推荐

最新推荐

recommend-type

人工智能实验K聚类算法实验报告.docx

《人工智能实验:K聚类算法实现与理解》 K聚类算法是数据挖掘和机器学习领域中常用的一种无监督学习方法,它通过寻找数据的内在结构,将数据集中的对象分成若干类别,使得同一类别的对象具有较高的相似性,而不同...
recommend-type

【004期】SPSS聚类分析.doc

3. **设置参数**:在系统聚类法对话框中,选择个案聚类(Q型分类),因为它是对样本进行聚类。同时,选择需要考虑的统计量和图形,如合并进程表和相似性矩阵,以及树状图。 4. **选择变量**:选择与研究目标相关的...
recommend-type

聚类的经典方法K-means.pptx

聚类是一种重要的无监督学习方法,它通过寻找数据集中的内在结构来组织数据,而无需预先知道具体的类别标签。K-means算法是聚类中最常用且最简单的算法之一,尤其适用于大数据集。以下是对K-means算法的详细阐述: ...
recommend-type

k均值聚类算法MATLAB程序及注释

k均值聚类算法MATLAB程序及注释 k均值聚类算法是一种常用的聚类算法,用于将相似的数据对象归类到同一个簇中。该算法的MATLAB程序提供了一个完整的实现,包括详细的注释,以便读者更好地理解算法的实现过程。 首先...
recommend-type

Python用K-means聚类算法进行客户分群的实现

接下来,我们从CSV文件中加载数据,并进行初步的数据探索。`pd.read_csv()`函数用于读取数据,`rename()`方法用于修改列名,使其更加易读。我们还使用`head()`、`describe()`、`shape`、`count`和`dtypes`等方法来...
recommend-type

图书大厦会员卡管理系统:功能设计与实现

本资源是一份C语言实训题目,目标是设计一个图书大厦的会员卡管理程序,旨在实现会员卡的全流程管理。以下是详细的知识点: 1. **会员卡管理**: - 该程序的核心功能围绕会员卡进行,包括新会员的注册(录入姓名、身份证号、联系方式并分配卡号),以及会员信息的维护(修改、续费、消费结算、退卡、挂失)。 - **功能细节**: - **新会员登记**:收集并存储个人基本信息,如姓名、身份证号和联系方式。 - **信息修改**:允许管理员更新会员的个人信息。 - **会员续费**:通过卡号查询信息并计算折扣,成功续费后更新数据。 - **消费结算**:根据卡号查询消费记录,满1000元自动升级为VIP,并提供9折优惠。 - **退卡和挂失**:退卡时退还余额,删除会员信息;挂失则转移余额至新卡,原卡显示挂失状态。 - **统计功能**:按缴费总额和消费总额排序,显示所有会员的详细信息。 2. **软件开发过程**: - 遵循软件工程标准,需按照分析、设计、编码、调试和测试的步骤来开发程序。 - **菜单设计**:程序以菜单形式呈现,用户通过菜单选择操作项目,如选择录入、查询、挂失等。 3. **输入输出要求**: - 用户通过键盘输入数据,程序会提供清晰的提示信息,包括数据内容、格式和结束方式。 - 菜单界面清晰,包含各项功能选项,如“添加会员”、“查询信息”、“挂失处理”等。 4. **数据结构与函数设计**: - 使用`struct huiyuan`定义会员信息结构体,包含卡号、姓名、身份证号和电话号码字段。 - 设计`menu()`函数负责显示菜单,通过函数调用来执行不同操作的功能函数。 5. **优惠策略**: - 购书打折规则:满1000元享受95折,满2000元享受9折,满5000元享受8折。 通过这个C语言项目,学生将学习到如何运用结构体、函数、文件I/O以及用户交互等核心概念,实现一个实用的会员卡管理系统。同时,也将提升他们的编程逻辑思维、问题解决能力和项目管理能力。
recommend-type

管理建模和仿真的文件

管理Boualem Benatallah引用此版本:布阿利姆·贝纳塔拉。管理建模和仿真。约瑟夫-傅立叶大学-格勒诺布尔第一大学,1996年。法语。NNT:电话:00345357HAL ID:电话:00345357https://theses.hal.science/tel-003453572008年12月9日提交HAL是一个多学科的开放存取档案馆,用于存放和传播科学研究论文,无论它们是否被公开。论文可以来自法国或国外的教学和研究机构,也可以来自公共或私人研究中心。L’archive ouverte pluridisciplinaire
recommend-type

类图与代码生成:自动化代码创建,提升开发效率

![类图与代码生成:自动化代码创建,提升开发效率](https://img-blog.csdnimg.cn/b1f38608ac2840cc9347f0a00a11c6b4.png) # 1. 类图概述** 类图是统一建模语言(UML)中的一种重要图表,用于可视化表示软件系统中的类、接口和它们之间的关系。类图在软件开发生命周期中发挥着至关重要的作用,因为它提供了系统结构的清晰视图,有助于理解和设计复杂的软件系统。 类图由以下元素组成: - **类:**表示现实世界中的实体或概念,具有属性和方法。 - **接口:**定义了类必须实现的一组方法,但没有提供实现。 - **关联:**表示类之间
recommend-type

转换json的方法是json.tojsonString

"toJsonString"并不是JSON本身的标准方法,它通常是在某些编程语言如Java中,使用特定库(如Jackson、Gson等)将JSON对象或结构转换成JSON字符串的函数。例如,在Java中,如果你有一个`ObjectMapper`实例,你可以这样做: ```java import com.fasterxml.jackson.databind.ObjectMapper; // 假设你有一个Pojo对象 MyClass obj = new MyClass(); ObjectMapper mapper = new ObjectMapper(); String jsonString
recommend-type

JAVA经典算法实战:月兔繁殖与素数判定

在Java编程中,经典算法题目的学习对于提升程序员的逻辑思维和解决问题的能力具有重要意义。以下是从提供的三个Java程序片段中提炼出的关键知识点: 1. 斐波那契数列问题: 题目涉及的是著名的斐波那契数列,它是一个经典的动态规划问题,特点是每一项都是前两项之和。第一个程序展示了如何使用递归方法实现,通过`exp2`类中的`f()`函数计算给定月份数的兔子总数。这里用到了递归公式 `f(x) = f(x-1) + f(x-2)`,该公式对应于序列1, 1, 2, 3, 5, 8, 13, 21...。递归函数设计巧妙地利用了自身调用,减少了重复计算。 2. 素数判断: 第二个程序涉及到判断101-200范围内的素数。素数是只有两个正因数(1和本身)的大于1的自然数。`math`类中的`iszhishu()`函数用于检测一个数是否为素数,它通过检查2到该数平方根之间的整数能否整除该数来判断。这是一种常见的素数检验方法,称为试除法。当找到能整除的因子时,返回`false`,否则如果循环结束都没有找到因子,返回`true`,表示该数是素数。 3. 水仙花数: 第三个程序提到的“水仙花数”是指那些每一位数字的立方和等于其本身的三位数,如153(1^3 + 5^3 + 3^3 = 153)。这里的算法没有直接给出,但提示了寻找这类数的思路,可能是遍历一定范围内的三位数,然后计算各位数字的立方和进行比较。这个题目考察了基本的数学概念和数据结构的使用,比如可能需要用到列表或者集合来存储和验证水仙花数。 这些Java代码示例涵盖了递归、动态规划(如斐波那契数列)、基本的数学逻辑(素数判定)以及简单的数据处理(如查找特定类型的数)。学习这些算法不仅可以提升编程技能,还能培养解决问题的策略,为后续的复杂编程挑战打下坚实的基础。同时,通过实际操作这些代码,程序员可以加深对Java语言特性和控制结构的理解。