使用python进行聚类后的有序彩色图

Question

我有一个名为data = [5 1 100 102 3 4 999 1001 5 1 2 150 180 175 898 1012]的数组。我正在使用python scipy.cluster.vq来查找其中的集群。数据中有3个集群。在我尝试绘制数据时进行聚类后，其中没有顺序。

如果可以按照给定的顺序绘制数据并且颜色不同的部分属于不同的组或群集，那将是很好的。

这是我的代码：

import numpy as np
import matplotlib.pyplot as plt
from scipy.cluster.vq import kmeans, vq


data = np.loadtxt('rawdata.csv', delimiter=' ')
#----------------------kmeans------------------
centroid,_ = kmeans(data, 3) 
idx,_ = vq(data, centroid)
x=np.linspace(0,(len(data)-1),len(data))

fig = plt.figure(1)
plt.plot(x,data)
plot1=plt.plot(data[idx==0],'ob')
plot2=plt.plot(data[idx==1],'or')
plot3=plt.plot(data[idx==2],'og')
plt.show()

---

这是我的情节 http://s29.postimg.org/9gf7noe93/figure_1.png （背景中的蓝色图表是有序的，在聚类之后，它搞砸了）

谢谢！

更新：

我写了下面的代码来实现聚类后的有序彩色图，

import numpy as np
import matplotlib.pyplot as plt
from scipy.cluster.vq import kmeans, vq

data = np.loadtxt('rawdata.csv', delimiter=' ')
#----------------------kmeans-----------------------------
centroid,_ = kmeans(data, 3)  # three clusters
idx,_ = vq(data, centroid)
x=np.linspace(0,(len(data)-1),len(data))
fig = plt.figure(1)
plt.plot(x,data)

for i in range(0,(len(data)-1)):
    if data[i] in data[idx==0]:
       plt.plot(x[i],(data[i]),'ob' )
    if data[i] in data[idx==1]:
       plt.plot(x[i],(data[i]),'or' )
    if data[i] in data[idx==2]:
       plt.plot(x[i],(data[i]),'og' )
 plt.show()

上述代码的问题是它太慢了。我的阵列大小超过300万。所以这段代码将永远为我完成它的工作。 如果有人能提供上述代码的矢量化版本，我真的很感激。 谢谢！

Answer 1

您可以根据它们与集群中心的距离绘制聚类数据点，然后将每个数据点的索引写入接近该数据点的位置，以便根据其聚类属性查看它们的分散情况：

import numpy as np
import matplotlib.pyplot as plt
from scipy.cluster.vq import kmeans, vq
from scipy.spatial.distance import cdist
data=np.array([   5,    1,  100,  102,    3,    4,  999, 1001,    5,    1,    2,    150,  180,  175,  898, 1012])
centroid,_ = kmeans(data, 3) 
idx,_ = vq(data, centroid)
X=data.reshape(len(data),1)
Y=centroid.reshape(len(centroid),1)
D_k = cdist( X, Y, metric='euclidean' )
colors = ['red', 'green', 'blue']
pId=range(0,(len(data)-1))
cIdx = [np.argmin(D) for D in D_k]
dist = [np.min(D) for D in D_k]
r=np.vstack((data,dist)).T
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
mark=['^','o','>']
for i, ((x,y), kls) in enumerate(zip(r, cIdx)):
    ax.plot(r[i,0],r[i,1],color=colors[kls],marker=mark[kls])
    ax.annotate(str(i), xy=(x,y), xytext=(0.5,0.5), textcoords='offset points',
                 size=8,color=colors[kls])


ax.set_yscale('log')
ax.set_xscale('log')
ax.set_xlabel('Data')
ax.set_ylabel('Distance')
plt.show()

<强>更新：

如果您非常热衷于使用矢量化程序，可以按照以下方式对随机生成的数据执行此操作：

data=np.random.uniform(1,1000,3000)
@np.vectorize
def plotting(i):
    ax.plot(i,data[i],color=colors[cIdx[i]],marker=mark[cIdx[i]])


mark=['>','o','^']
fig = plt.figure()
ax = fig.add_subplot(1,1,1)
plotting(range(len(data)))
ax.set_xlabel('index')
ax.set_ylabel('Data')
plt.show()