生成随机的称重数据进行聚类剔除异常值的Python程序并进行可视化

好的，以下是生成随机的称重数据进行聚类剔除异常值的Python程序并进行可视化：

import random
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 生成随机数据
data = []
for i in range(100):
    data.append(random.uniform(0, 10))

# 聚类算法
kmeans = KMeans(n_clusters=2).fit(np.array(data).reshape(-1, 1))
labels = kmeans.labels_

# 获取每个簇的中心点
centers = []
for i in range(2):
    cluster = np.where(labels == i)[0]
    center = np.mean(np.array(data)[cluster])
    centers.append(center)

# 计算异常值
outliers = []
for i in range(len(data)):
    if abs(data[i] - centers[0]) > abs(data[i] - centers[1]):
        outliers.append(data[i])

# 可视化
plt.scatter(range(len(data)), data, c=labels)
plt.plot(range(len(data)), [centers[0]]*len(data), 'r--', label='Center 1')
plt.plot(range(len(data)), [centers[1]]*len(data), 'g--', label='Center 2')
plt.plot(range(len(data)), [np.mean(data)]*len(data), 'b--', label='Mean')
plt.plot(range(len(data)), [max(data)]*len(data), 'k--', label='Max')
plt.plot(range(len(data)), [min(data)]*len(data), 'c--', label='Min')
plt.scatter([np.where(data == outlier)[0][0] for outlier in outliers], outliers, marker='x', color='r', label='Outliers')
plt.legend()
plt.show()

# 输出结果
print("随机数据：", data)
print("聚类结果：", labels)
print("异常值：", outliers)

该程序与之前的程序相似，不同之处在于它使用matplotlib将数据和结果进行可视化。可视化中，数据点通过颜色表示其所属的簇，红色和绿色虚线表示每个簇的中心点，蓝色虚线表示数据的平均值，黑色虚线表示数据的最大值，青色虚线表示数据的最小值，并在图中标记了异常值。

请注意，由于数据是随机生成的，因此每次运行程序时结果可能会有所不同。