class KMean(object):
? ? def __init__(self,k):
? ? ? ? self._data=[]
? ? ? ? self._normalizeData=[]
? ? ? ? self._memeberOfClusters=[]
? ? ? ? self._maxIteration=None
? ? ? ? self._clusterCenters=[]
? ? ? ? self._pointChangedNum=0
? ? ? ? self._k=k
? ? ? ? self._comment=[]
? ? def _getColumMeanAndStd(self, column):
? ? ? ? sumx=0.0
? ? ? ? sumx2=0.0
? ? ? ? for x in column:
? ? ? ? ? ? sumx+=x
? ? ? ? ? ? sumx2+=x**2
? ? ? ? n=len(column)
? ? ? ?mean=sum/n
? ? ? ?d=sumx2/n-mean**2
? ? ? ? std=pow(d,0.5)
? ? ? ? return (round(mean,3),round(std,3))
? ? def _getColumnMedian(self,column):
? ? ? ? columncopy=list(column)
? ? ? ? columncopy.sort()
? ? ? ? clen=len(columncopy)
? ? ? ? if clen%2==0:
? ? ? ? ? ? return (columncopy[clen/2]+columncopy[clen/2-1])/2
? ? ? ? else:
? ? ? ? ? ? return columncopy[(clen-1)/2]
? ?def normalizeOneColumn(self,column):
? ? ? ? cmedian=self._getColumnMedian(column)
? ? ? ? csum=sum([abs(x-cmedian) for x in column])*1.0
? ? ? ?asd=round(csum/len(column),3)
? ? ? ?result=[round((x-cmedian)/asd,3) for x in column]
? ? return result
