數(shù)據(jù)的讀寫：

numpy讀寫數(shù)據(jù)：

df=numpy.loadtxt("data.txt")

pandas讀寫：

df=pandas.read_csv("data.csv",encoding="utf-8")
df.pandas.to_csv("data.csv", index=False, encoding="utf-8")

#pandas讀寫文本文件
df=pandas.read_table("data.txt",delim_whitespace=True,encoding="utf-8")

2、聚類

1、使用sklearn做聚類很簡(jiǎn)單，下面我們使用k-means算法對(duì)二維數(shù)據(jù)進(jìn)行聚類

from sklearn.cluster import KMeans
from sklearn.externals import joblib
x=numpy.array(data) #data是一個(gè)二維list，也可以這樣得到：x=numpy.loadtxt("data.txt")
k=2
model=KMeans(n_clusters=k)
model.fit(x)
labels=model.labels_

2、對(duì)上面得到的聚類結(jié)果使用matplotlib庫可視化

A=numpy.array(filter(lambda x:x[2]==0, zip(x[:,0], x[:,1], labels))
A=numpy.array(map(lambda x:x[0:2], A)
B=numpy.array(filter(lambda x:x[2]==1, zip(x[:,0], x[:,1], labels))
B=numpy.array(map(lambda x:x[0:2], B)

plt.scatter(A[:,0],A[:,1], color="b")
plt.scatter(B[:,0],B[:,1], color="r")
plt.show()