dbscan聚类五分类读取excel数据实现并生成散点图
时间: 2024-04-10 10:34:15 浏览: 18
要使用DBSCAN算法对Excel数据进行聚类,并生成散点图,你可以使用sklearn库中的DBSCAN类和matplotlib库进行实现。以下是一个示例代码:
```python
import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import DBSCAN
from sklearn.preprocessing import StandardScaler
# 读取Excel数据
data = pd.read_excel('C:/Users/86178/Desktop/test/test/TF-IDF/SSG hole span版.xlsx')
# 提取需要用于聚类的特征列
feature_columns = ["Bridge length (m)", "Pier type", "Foundation type", "Hole", "Span (m)", "Bearing type", "Plane linear"]
X = data[feature_columns]
# 对特征数据进行标准化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)
# 使用DBSCAN进行聚类
dbscan = DBSCAN(eps=0.5, min_samples=5)
labels = dbscan.fit_predict(X_scaled)
# 绘制散点图
plt.scatter(X_scaled[:, 0], X_scaled[:, 1], c=labels)
plt.xlabel(feature_columns[0])
plt.ylabel(feature_columns[1])
plt.title('DBSCAN Clustering')
plt.show()
```
在上述代码中,我们首先读取Excel数据,并提取需要用于聚类的特征列,这里使用了你提到的特征列。然后,使用`StandardScaler`对特征数据进行标准化,以便在聚类过程中消除特征之间的尺度差异。
接下来,使用`DBSCAN`类创建一个DBSCAN对象,并使用`fit_predict`方法对标准化后的特征数据进行聚类,得到每个样本的聚类标签。
最后,使用`matplotlib`库绘制散点图,其中x轴和y轴分别对应特征列中的第一个和第二个特征。通过使用聚类标签作为散点颜色,可以将不同聚类结果可视化。
请确保已安装pandas、sklearn和matplotlib库,并将Excel文件路径更改为你实际的文件路径。运行代码后,你将得到一个展示DBSCAN聚类结果的散点图。