python 读取csv文件 k中心点算法聚类 轮廓系数

好的，以下是Python读取csv文件并使用k中心点算法进行聚类，并计算轮廓系数的示例代码：

import pandas as pd
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score

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

# 选择特征列
X = data[['feature1', 'feature2', 'feature3']]

# 使用k中心点算法进行聚类
kmeans = KMeans(n_clusters=3, random_state=0).fit(X)

# 计算轮廓系数
score = silhouette_score(X, kmeans.labels_, metric='euclidean')

print('轮廓系数为：', score)

# 将聚类结果添加到原始数据集中
data['cluster'] = kmeans.labels_

# 保存聚类结果到csv文件
data.to_csv('result.csv', index=False)

其中，`data.csv`为要读取的csv文件名，`feature1`、`feature2`、`feature3`为数据集中的特征列名，`n_clusters`为聚类的数量。`silhouette_score`函数用于计算轮廓系数，其中`X`为数据集，`kmeans.labels_`为每个数据点所属簇的标签，`metric`为距离度量方法。最后将聚类结果添加到原始数据集中，保存到`result.csv`文件中。需要注意的是，k中心点算法的聚类效果取决于初始的质心选择和k值的选择，因此需要根据具体情况进行调整。