4.K均值算法--应用作业

1. 应用K-means算法进行图片压缩

读取一张图片

观察图片文件大小，占内存大小，图片数据结构，线性化

用kmeans对图片像素颜色进行聚类

获取每个像素的颜色类别，每个类别的颜色

压缩图片生成：以聚类中收替代原像素颜色，还原为二维

观察压缩图片的文件大小，占内存大小

（1）读取一张图片并查看图片的数据结构与大小

from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
import sys
import matplotlib.image as img
from pylab import mpl
# 读取load_sample_image库的图片
image = load_sample_image("china.jpg")
# 读取图片
# image = img.imread("D:/flower.jpg")
# 观察图片文件大小,数据结构
print("初始图片占内存大小:",sys.getsizeof(image))
print('初始图片文件大小：', image.size)
print("初始图片的维数：",image.shape)
print("初始图片的数据结构：",image)  # 二维三通道

（2）用kmeans对图片像素颜色进行聚类

# 将数据线性化
data1 = image.reshape(-1,3)  # 重新整理数组转换一维数组，特殊形式，三个值代表一个像素点
print("转换前的维数",image.shape)
print("转换后的维数",data1.shape)
# 使用用kmeans对图片像素颜色进行聚类压缩
K_colors = 64  # 定义像素的种类数
Km_model = KMeans(K_colors)  # k
#聚合结果（一维数组）
y = Km_model.fit_predict(data1)
#找寻类别所对应的颜色（二维数组）
colors = Km_model.cluster_centers_
# 压缩结束，将聚类结果还原到画上(一维变二维)
print(y.shape,colors.shape)
new_image = colors[y].reshape(image.shape) # 还原维数以及像素点

new_image

 （3）比较压缩前后的大小

# 压缩前后对比对比
print("初始图片占内存大小：",sys.getsizeof(image))
print("压缩后的图片占内存大小",sys.getsizeof(new_image))

（4）比较压缩前后的图片

# 绘图
from pylab import mpl
# 解决中文显示问题
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False
plt.figure(figsize=(15,15))  # 定制大小画布
plt.subplot(3,1,1)  # 分为三行一列，放在位置1
plt.title("初始的图片")
plt.imshow(image)
plt.subplot(3,1,2)  # 分为三行一列，放在位置2
plt.title("压缩后的图片")
plt.imshow(new_image.astype(np.uint8)) # 类型转换，小数点转化为整形
plt.subplot(3,1,3)  # 分为三行一列，放在位置3
plt.title("再次压缩图片")
plt.imshow(new_image.astype(np.uint8)[::3, ::3])  # 压缩图片进一步压缩，每隔三个像素点选一个像素点出来，：：从开始到结束
plt.suptitle("压缩前后对比图")
plt.show()

（5）保存图片

# 输出新图片到指定位置
img.imsave('D:/image.jpg', new_image.astype(np.uint8)) # 转换类型后保存

 

所有代码：

from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import numpy as np
import sys
import matplotlib.image as img
from pylab import mpl
# 读取load_sample_image库的图片
image = load_sample_image("china.jpg")
# 读取图片
# image = img.imread("D:/flower.jpg")
# 观察图片文件大小,数据结构
print("初始图片占内存大小:",sys.getsizeof(image))
print('初始图片文件大小：', image.size)
print("初始图片的维数：",image.shape)
print("初始图片的数据结构：",image)  # 二维三通道
# 查看图片
plt.imshow(image)
plt.show()
# 将数据线性化
data1 = image.reshape(-1,3)  # 重新整理数组转换一维数组，特殊形式，三个值代表一个像素点
print("转换前的维数",image.shape)
print("转换后的维数",data1.shape)
# 使用用kmeans对图片像素颜色进行聚类压缩
K_colors = 64  # 定义像素的种类数
Km_model = KMeans(K_colors)  # k
#聚合结果（一维数组）
y = Km_model.fit_predict(data1)
#找寻类别所对应的颜色（二维数组）
colors = Km_model.cluster_centers_
# 压缩结束，将聚类结果还原到画上(一维变二维)
print(y.shape,colors.shape)
new_image = colors[y].reshape(image.shape) # 还原维数以及像素点
new_image = new_image.astype(np.uint8)  # 类型转换，小数点转化为整形# 压缩前后对比对比
print("初始图片占内存大小：",sys.getsizeof(image))
print("压缩后的图片占内存大小",sys.getsizeof(new_image))
# 绘图
from pylab import mpl
# 解决中文显示问题
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False
plt.figure(figsize=(15,15))  # 定制大小画布
plt.subplot(3,1,1)  # 分为三行一列，放在位置1
plt.title("初始的图片")
plt.imshow(image)
plt.subplot(3,1,2)  # 分为三行一列，放在位置2
plt.title("压缩后的图片")
plt.imshow(new_image.astype(np.uint8)) # 类型转换，小数点转化为整形
plt.subplot(3,1,3)  # 分为三行一列，放在位置3
plt.title("再次压缩图片")
plt.imshow(new_image.astype(np.uint8)[::3, ::3])  # 压缩图片进一步压缩，每隔三个像素点选一个像素点出来，：：从开始到结束
plt.suptitle("压缩前后对比图")
plt.show()

2. 观察学习与生活中可以用K均值解决的问题。

从数据-模型训练-测试-预测完整地完成一个应用案例。

这个案例会作为课程成果之一，单独进行评分。

 （1）用K均值算法对广东省各城市的人口，面积，GDP，GDP的增长速度等数据聚合，给这些城市分成五档

（2）导入数据查看数据类型，并对数据预处理之后调取自己想的数据

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
from pylab import mpl

# 解决中文显示问题
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False
# 导入数据
df=pd.read_csv('./venv/data/2019年广东省GDP.csv',encoding='gbk')
df.info()
len(df)
#返回df中各元素是否为空的同df大小的数据框
df.isnull().sum()
#删除行中含NaN的值并将其赋值给df1
data=df.dropna(axis=0,how='any')
# 转换类型
# data['常驻人口（万）'] = data['常驻人口（万）'].astype(int)
# data['2019年GDP（亿元）'] = data['2019年GDP（亿元）'].astype(int)
# data['2019年GDP增速（%）'] = data['2019年GDP增速（%）'].astype(int)
# data['面积（平方公里）'] = data['面积（平方公里）'].astype(int)
# 查看数据类型
data.info()
# gdp=np.array(df.iloc[:,2:6].fillna(value=0).astype(int))  #取出df的第三列到第六列转换为数组，并将里面的空值赋值为0去掉，并转换为int类型
# 查看数据长度
len(data)
# 取出data数据中的第三到第六列

数据类型：

处理好的数据

 （3）调用kmeans算法训练模型，预测模型：

# 取出data数据中的第三到第六列
gdp=data.iloc[:,2:6]
# 直接调用sklearn库的KMeans实现对数据进行聚类分析
km_model = KMeans(n_clusters=5)  # 构建模型 分成五个簇
km_model.fit(gdp)                  # 训练模型
y = km_model.predict(gdp)          # 预测模型，预测每个样本的聚类索引
print("聚类中心:", km_model.cluster_centers_ )
print("预测结果：", y)
a = np.zeros([5])  # 生成长度为5的全零矩阵
# 从聚类中心中找出类别的gdp
for i in range(5):
    a[i]=km_model.cluster_centers_[i][1]
# 查看分组情况

arr = np.array(a)  # 给a排序
arr1 = np.argsort(-arr)  # 逆序输出索引，从大到小
g0=np.array(data[y== arr1[0]]['市区'])
g1=np.array(data[y==arr1[1]]['市区'])
g2=np.array(data[y== arr1[2]]['市区'])
g3=np.array(data[y== arr1[3]]['市区'])
g4=np.array(data[y== arr1[4]]['市区'])
print("第一档：",g0)
print("第二档：",g1)
print("第三档：",g2)
print("第四档：",g3)
print("第四档：",g4)

预测结果：

（4）画图

# 画图
plt.figure(figsize=(8, 8))
plt.scatter(data.iloc[:,1], data.iloc[:,3], c=y, s=50,cmap='rainbow')
plt.xlabel("城市")
plt.ylabel("2019年GDP（亿元）")
plt.show()

所有代码

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
from pylab import mpl

# 解决中文显示问题
mpl.rcParams["font.sans-serif"]=["SimHei"]
mpl.rcParams["axes.unicode_minus"]=False
# 导入数据
df=pd.read_csv('./venv/data/2019年广东省GDP.csv',encoding='gbk')
df.info()
len(df)
#返回df中各元素是否为空的同df大小的数据框
df.isnull().sum()
#删除行中含NaN的值并将其赋值给df1
data=df.dropna(axis=0,how='any')
# 转换类型
# data['常驻人口（万）'] = data['常驻人口（万）'].astype(int)
# data['2019年GDP（亿元）'] = data['2019年GDP（亿元）'].astype(int)
# data['2019年GDP增速（%）'] = data['2019年GDP增速（%）'].astype(int)
# data['面积（平方公里）'] = data['面积（平方公里）'].astype(int)
# 查看数据类型
data.info()
# gdp=np.array(df.iloc[:,2:6].fillna(value=0).astype(int))  #取出df的第三列到第六列转换为数组，并将里面的空值赋值为0去掉，并转换为int类型
# 查看数据长度
len(data)
# 取出data数据中的第三到第六列
gdp=data.iloc[:,2:6]
# 直接调用sklearn库的KMeans实现对数据进行聚类分析
km_model = KMeans(n_clusters=5)  # 构建模型 分成五个簇
km_model.fit(gdp)                  # 训练模型
y = km_model.predict(gdp)          # 预测模型，预测每个样本的聚类索引
print("聚类中心:", km_model.cluster_centers_ )
print("预测结果：", y)
a = np.zeros([5])  # 生成长度为5的全零矩阵
# 从聚类中心中找出类别的gdp
for i in range(5):
    a[i]=km_model.cluster_centers_[i][1]
# 查看分组情况

arr = np.array(a)  # 给a排序
arr1 = np.argsort(-arr)  # 逆序输出索引，从大到小
g0=np.array(data[y== arr1[0]]['市区'])
g1=np.array(data[y==arr1[1]]['市区'])
g2=np.array(data[y== arr1[2]]['市区'])
g3=np.array(data[y== arr1[3]]['市区'])
g4=np.array(data[y== arr1[4]]['市区'])
print("第一档：",g0)
print("第二档：",g1)
print("第三档：",g2)
print("第四档：",g3)
print("第四档：",g4)
# 画图
plt.figure(figsize=(8, 8))
plt.scatter(data.iloc[:,1], data.iloc[:,3], c=y, s=50,cmap='rainbow')
plt.xlabel("城市")
plt.ylabel("2019年GDP（亿元）")
plt.show()