这学期正好上了数据挖掘这门课，本周的作业是实现 K-means的两个实例，分别是实现对waveform.data文件数据的聚类分析，还有一个就是对图像的 K-means 聚类分割。下面我分别对两个例子进行说明。
首先先来介绍一下 K-means实现原理，这里有一篇写的非常通俗易懂的文章，原文链接如下;
http://www.aboutyun.com/thread-18178-1-1.html
废话我就不多说了，简而言之 K-means 算法实现的就是通过定义聚类数目，随机选取聚类点，通过计算其余所有点到聚类点的距离，判断最近距离，将其归入聚类点，之后计算各聚类平均値，将其定义为新的聚类点，不断迭代，直到不再产生新的聚类点。
优点：算法简单，当结果簇是密集的且区别明显，效果较好。
缺点：只有在簇的平均值(mean)被定义的情况下才能使用，可能不适用于某些应用, 例如涉及有分类属性的数据
需要预先指顶簇的数目k，不能处理噪音数据和孤立点(outliers)。不适合用来发现具有非凸形状(non-convex shapes)的簇。
下面上代码，先是对waveform.data数据的聚类代码，这里我划分了三个聚类，具体的各位可以按需设置。
import random
import pandas as pd
import numpy as np
import tool
#设置精度小数点后两位
np.set_printoptions(precision=2)
#读取文件
df=pd.read_csv("waveform.data",header = None)
#随机选择三个中心点作为初始质心
i1 = random.randint(0,21) #列标0-21
j1 = random.randint(0,4998) #行标0-4999
cent1 = df[i1][j1]
i2 = random.randint(0,21)
j2 = random.randint(0,4998)
cent2 = df[i2][j2]
i3 = random.randint(0,21) #列标0-21
j3 = random.randint(0,4998) #行标0-4999
cent3 = df[i3][j3]
#聚类存储列表
list1 = []
list2 = []
list3 = []
result = 1
while result:
list1.clear
list2.clear
list3.clear
result = tool.circle (df,cent1,cent2,cent3,list1,list2,list3,result)
print("聚类1：前100个数:",list1[:100],'\n')
print("聚类2：前100个数:",list2[:100],'\n')
print("聚类2：前100个数:",list3[:100],'\n')
waveform.data数据格式比较简单，可以看成是一个一维数组，求距离使用平方欧式距离，但这里只需要求距离差的绝对值即可。
在这里吐槽一下，之前由于导师比较偏爱C语言，项目编程全是用C，突然用python有点不适应，由于才开始学习编写python，在使用pandas时想要实现遍历，本以为有专门接口，或者本人暂时没找到，最后还是只能用for循环，如果哪位大神知道的可以顺便留言告诉我一下。
这里本人封装了一个circle借口，用来循环判断各点的聚类距离并分类，最后判断是否会生成新的聚类点，返回result。当result为0则停止循环。具体接口代码和waveform数据文件各位按需下载。
接着是对图像分割的代码实现。
这里本人分割的图像为一个较为简单的图像，原图和分割图像如下：
原图：
本人将其划分成四个聚类，分别是天空，森林，地面，狗狗，分割图如下：
可以看出图像分割结果并不理想，在地面与天空的分割过程中有较多混杂像素点，狗狗和森林也有混杂的像素点，而且这个分割结果是本人运行了大概六次之后得出的结果。
先上主代码：
import random
import pandas as pd
import numpy as np
import tool
from PIL import Image
#图像大小为98*69
#print(im.size,im.format,im.mode) 显示图片信息
img = Image.open("dog.jpg","r")
img_array=img.load()
#随机选择四个中心点作为初始质心
i1 = random.randint(0,97)
j1 = random.randint(0,68)
cent1 = img_array[i1,j1]
i2 = random.randint(0,97)
j2 = random.randint(0,68)
cent2 = img_array[i2,j2]
i3 = random.randint(0,97)
j3 = random.randint(0,68)
cent3 = img_array[i3,j3]
i4 = random.randint(0,97)
j4 = random.randint(0,68)
cent4 = img_array[i4,j4]
print(i1,j1,"\n",i2,j2,"\n",i3,j3,"\n",i4,j4)
#聚类存储列表
list1 = []
list2 = []
list3 = []
list4 = []
result = 1
while result:
list1.clear
list2.clear
list3.clear
list4.clear
result = tool.pic(img,img_array,cent1,cent2,cent3,cent4,list1,list2,list3,list4,result)
imgnew1 = Image.new("RGB",(img.size[0],img.size[1]))
imgnew2 = Image.new("RGB",(img.size[0],img.size[1]))
imgnew3 = Image.new("RGB",(img.size[0],img.size[1]))
imgnew4 = Image.new("RGB",(img.size[0],img.size[1]))
#三个参数依次为R,G,B,A R：红 G:绿 B:蓝 A:透明度
#白色（225，255，255） 黑色（0，0，0）
pixTuple = (255,255,255)
for i in range(img.size[0]):
for j in range(img.size[1]):
if img_array[i,j] in list1:
imgnew1.putpixel((i,j),img_array[i,j])
else:
imgnew1.putpixel((i,j),pixTuple)
if img_array[i,j] in list2:
imgnew2.putpixel((i,j),img_array[i,j])
else:
imgnew2.putpixel((i,j),pixTuple)
if img_array[i,j] in list3:
imgnew3.putpixel((i,j),img_array[i,j])
else:
imgnew3.putpixel((i,j),pixTuple)
if img_array[i,j] in list4:
imgnew4.putpixel((i,j),img_array[i,j])
else:
imgnew4.putpixel((i,j),pixTuple)
imgnew1.save('list1.jpg')
imgnew2.save('list2.jpg')
imgnew3.save('list3.jpg')
imgnew4.save('list4.jpg')
print("打印图片\n")
分析一下聚类效果较差的原因。首先聚类点为通过随机数生成选取的，因此本人猜测在随机数生成过程中，选取的不同位置的像素位置对聚类结果或许有一定影响。其次，由于图像的画质较低，因此存在个别像素点的RGB数值有较大偏差，使聚类点产生了较大的偏差。改进方法可以采用K-medoids方法。
编程思想：图像可以理解为具有三个值的像素点组成的矩阵或者多维列表。那么同理还是利用平方欧式距离，计算每个像素点（R,G,B）距离聚类点的距离，并根据距离远近进行聚类，并迭代直到未产生新的聚类点。
在这里本人遇到了一个小的算法问题，就是聚类之后如何计算各类的新聚类点。我的思路是利用局针转置，因为我需要计算的是各个像素点的R,G,B分别的平均値，[[R1,G1,B1],[R2,G2,B2],[R3,G3,B3],[R4,G4,B4]........[Rn,Gn,Bn]],可以看到如果我将这个多维列表进行一次转置，那么就变成了[[R1,R2,R3,R4,.......Rn],[G1,G2,G3,G4,.......Gn],[B1,B2,B3,B4,.......Bn]]，那么这样就讲问题简单化了，转制后直接利用numpy提供的接口求每一行的平均値，就是分别对应新的聚类点各RGB三个点的值。
最终通过判断，按照需要对其进行图形分割即可。
代码下载地址：https://download.csdn.net/download/u011403848/10730195