datafile = '../data/discretization_data.xls' #参数初始化 data = pd.read_excel(datafile) #读取数据 data = data[ u'肝气郁结证型系数' ].copy() k = 4 d1 = pd.cut(data, k, labels = range(k)) #等宽离散化，各个类比依次命名为0,1,2,3 #基于聚类分析的方法 from sklearn.cluster import KMeans #引入KMeans kmodel = KMeans(n_clusters = k, n_jobs = 4 ) #建立模型，n_jobs是并行数，一般等于CPU数较好 kmodel.fit(data.reshape((len(data), 1 ))) #训练模型 c = pd.DataFrame(kmodel.cluster_centers_).sort_values( 0 ) #输出聚类中心，并且排序（默认是随机序的） w = pd.rolling_mean(c, 2 ).iloc[ 1 :] #相邻两项求中点，作为边界点 w = [ 0 ] + list(w[ 0 ]) + [data.max()] #把首末边界点加上，w[0]中0为列索引 d3 = pd.cut(data, w, labels = range(k)) def cluster_plot (d, k) : #自定义作图函数来显示聚类结果 import matplotlib.pyplot as plt plt.rcParams[ 'font.sans-serif' ] = [ 'SimHei' ] #用来正常显示中文标签 plt.rcParams[ 'axes.unicode_minus' ] = False #用来正常显示负号 plt.figure(figsize = ( 8 , 3 )) for j in range( 0 , k): plt.plot(data[d==j], [j for i in d[d==j]], 'o' ) #plt.plot(x,y,'o') plt.ylim(- 0.5 , k- 0.5 ) return plt cluster_plot(d1, k).show() cluster_plot(d3, k).show()

（1）等宽法结果图

（2）基于聚类分析方法的结果图

补充：cut函数使用方法

cut()函数可以将一个数组中的数据切分成几个部分。
将数据分为几个部分，就称为几个面元。
（1）cut(数据数组,面元数组)

array = [3, 60, 43, 100, 52, 36, 37, 0, 80, 100]
bins = [0, 25, 50, 75, 100]
cat = pd.cut(array, bins)
[(0, 25], (50, 75], (25, 50], (75, 100], (50, 75], (25, 50], (25, 50], NaN, (75,100], (75, 100]]
Categories (4, interval[int64]): [(0, 25] < (25, 50] < (50, 75] < (75, 100]]

（2）不指定面元的界限，直接传入一个整数参数。
cut()会按照指定的数字，将元素划分为相应的几部分。

array = [3, 60, 43, 100, 52, 36, 37, 0, 80, 100]
pd.cut(array,5)
[(-0.1, 20.0], (40.0, 60.0], (40.0, 60.0], (80.0, 100.0], (40.0, 60.0], (20.0, 40.0], (20.0, 40.0], (-0.1, 20.0], (60.0, 80.0], (80.0, 100.0]]
Categories (5, interval[float64]): [(-0.1, 20.0] < (20.0, 40.0] < (40.0, 60.0] <(60.0, 80.0] <(80.0, 100.0]]

需要离散化的数据示例：实现代码#-*- coding: utf-8 -*-#数据规范化import pandas as pddatafile = '../data/discretization_data.xls' #参数初始化data = pd.read_excel(datafile) #读取数据data = data[u'肝气郁结证型系数'].copy()k = 4... import numpy as np import matplotlib.pyplot as plt from sklearn.cluster import AgglomerativeClustering from sklearn.datasets import make_blobs from scipy.cluster.hierarchy import dendrogram # 生成随机 数据 集 X, y = make_blobs(n_samples=50, centers=3, random_state=42) # 创建聚合聚类模型 model = AgglomerativeClustering(n_clusters=3) # 拟合 数据 model.fit(X) # 可视化聚类结果 plt.scatter(X[:, 0], X[:, 1], c=model.labels_, cmap='rainbow') plt.show() # 绘制树状图 def plot_dendrogram(model, **kwargs): 画出树状图 # 创建距离矩阵 distances = model.distances_ # 计算连线 linkage_matrix = np.column_stack([model.children_, distances, np.zeros_like(distances)]) dendrogram(linkage_matrix, **kwargs) plt.title('Hierarchical Clustering Dendrogram') plot_dendrogram(model, truncate_mode='level', p=3) plt.xlabel("Number of points in node (or index of point if no parenthesis).") plt.show() 在代码中，我们使用 `make_blobs` 方 法 生成了一个包含 50 个样本和 3 个中心的 数据 集。然后，我们创建了一个 `AgglomerativeClustering` 模型，并将其拟合到 数据 集中。最后，我们使用 `plt.scatter` 方 法 可视化了聚类结果，并使用 `plot_dendrogram` 方 法 绘制了树状图。 树状图可以帮助我们更好地理解聚类的过程和结果。在树状图中，横轴表示样本点的索引，纵轴表示样本点 之间 的距离。每个竖直线段表示两个样本点 之间 的距离，横坐标为这两个样本点的索引。在树状图的底部，我们可以看到每个样本点的编号。在树状图的顶部，我们可以看到聚类结果。例如，在本例中，我们可以看到最终的聚类结果包含 3 个簇。