import matplotlib.pyplot as plt

import numpy as np

from sklearn.cluster import KMeans 

from sklearn import datasets

# 直接从 sklearn 中获取数据集

iris = datasets.load_iris()

X = iris.data[:, :4]    # 表示我们取特征空间中的 4 个维度

print(X.shape)

-> output = (150,4)

plt.scatter(X[:, 0], X[:, 1], c="red", marker='o', label='see')

plt.xlabel('sepal length')

plt.ylabel('sepal width')

plt.legend(loc=2)

plt.show()

# 计算欧式距离

def distEclud(x,y):

	return np.sqrt(np.sum((x-y)**2))

# 为给定数据集构建一个包含 K 个随机质心 centroids 的集合

def randCent(dataSet,k):

	m,n = dataSet.shape # m=150,n=4

	centroids = np.zeros((k,n)) # k*4

	for i in range(k): # 执行 4 次

		index = int(np.random.uniform(0,m)) # 产生 0 到 150 的随机数 (即在数据集中随机挑选一个向量作为质心的初始值)

		centroids[i,:] = dataSet[index,:] # 把对应的四个维度传给质心的集合

	return centroids

# k 均值聚类算法

def KMeans(dataSet,k):

	m = np.shape(dataSet)[0] # 行数 150

	# 第一列存每个样本属于哪一个簇

	# 第二列存每个样本到簇中心的误差

	clusterAssment = np.mat(np.zeros((m,2))) # mat () 创建 150*2 的矩阵

	clusterChange = True

	#1、初始化质心 centroids

	centroids = randCent(dataSet,k) # k*4

	while clusterChange:

		# 样本所属簇不再更新时停止迭代

		clusterChange = False

		#遍历所有的样本 (行数 150)

		for i in range(m):

			minDist = 1000000.0

			minIndex = -1

			# 遍历所有质心

			# 2、找出最近的质心

			for j in range(k):

				# 计算每个样本到 k 个质心的距离

				distance = disEclud(centroids[j,:],dataSet[i,:])

				if distance < minDist:

					minDist = distance

					minIndex = j

			# 3、更新该行样本的所属的簇

			if clusterAssment[i,0] != minIndex:

				clusterChange = True

				clusterAssment[i,:] = minIndex,minDist**2

		# 更新质心

		for j in range(k):

			# np.nonzero (x) 返回值不为零的元素的下标，它的返回值是一个长度为 x.ndim (x 的轴数) 的元组

            # 元组的每个元素都是一个整数数组，其值为非零元素的下标在对应轴上的值。

            # 矩阵名.A 代表将 矩阵转化为 array 数组类型

            # 这里取矩阵 clusterAssment 所有行的第一列，转为一个 array 数组，与 j（簇类标签值）比较，返回 true or false

            # 通过 np.nonzero 产生一个 array，其中是对应簇类所有的点的下标值（x 个）

            # 再用这些下标值求出 dataSet 数据集中的对应行，保存为 pointsInCluster（x*4）

            pointsInCluster = dataSet[np.nonzero(clusterAssment[:,0].A == j)[0]]  # 获取对应簇类所有的点（x*4）

            centroids[j,:] = np.mean(pointsInCluster,axis=0)   # 求均值，产生新的质心

            # axis=0，那么输出是 1 行 4 列，求的是 pointsInCluster 每一列的平均值，即 axis 是几，那就表明哪一维度被压缩成 1

	print("cluster complete")

	return centroids,clusterAssment

def draw(data,center,assment):

    length=len(center)

    fig=plt.figure

    data1=data[np.nonzero(assment[:,0].A == 0)[0]]

    data2=data[np.nonzero(assment[:,0].A == 1)[0]]

    data3=data[np.nonzero(assment[:,0].A == 2)[0]]

    # 选取前两个维度绘制原始数据的散点图

    plt.scatter(data1[:,0],data1[:,1],c="red",marker='o',label='label0')

    plt.scatter(data2[:,0],data2[:,1],c="green", marker='*', label='label1')

    plt.scatter(data3[:,0],data3[:,1],c="blue", marker='+', label='label2')

    # 绘制簇的质心点

    for i in range(length):

        plt.annotate('center',xy=(center[i,0],center[i,1]),xytext=\

        (center[i,0]+1,center[i,1]+1),arrowprops=dict(facecolor='yellow'))

        #  plt.annotate('center',xy=(center[i,0],center[i,1]),xytext=\

        # (center[i,0]+1,center[i,1]+1),arrowprops=dict(facecolor='red'))

    plt.show()

    # 选取后两个维度绘制原始数据的散点图

    plt.scatter(data1[:,2],data1[:,3],c="red",marker='o',label='label0')

    plt.scatter(data2[:,2],data2[:,3],c="green", marker='*', label='label1')

    plt.scatter(data3[:,2],data3[:,3],c="blue", marker='+', label='label2')

    # 绘制簇的质心点

    for i in range(length):

        plt.annotate('center',xy=(center[i,2],center[i,3]),xytext=\

        (center[i,2]+1,center[i,3]+1),arrowprops=dict(facecolor='yellow'))

    plt.show()

dataSet = X

k = 3

centroids,clusterAssment = KMeans(dataSet,k)

draw(dataSet,centroids,clusterAssment)

def Model(n_clusters):

    estimator = KMeans(n_clusters) # 构造聚类器

    return estimator

def train(estimator):

    estimator.fit(X)

# 训练模型

estimator=Model(3)

train(estimator)

# 画出分类结果

label_pred = estimator.labels_ #获取聚类标签

# 绘制 k-means 结果

x0 = X[label_pred == 0]

x1 = X[label_pred == 1]

x2 = X[label_pred == 2]

plt.scatter(x0[:,0],x0[:,1],c='red',marker='o',label='label0')

plt.scatter(x1[:,0],x1[:,1],c='green',marker='*',label='label1')

plt.scatter(x2[:,0],x2[:,1],c='blue',marker='+',label='label2')

plt.xlabel('seqal length')

plt.ylabel('seqal length')

plt.legend(loc=2)

plt.show()