使用Python进行聚类后的有序彩色图绘制

Question

我有一个一维数组，叫做data=[5 1 100 102 3 4 999 1001 5 1 2 150 180 175 898 1012]。我正在使用Python的scipy.cluster.vq库来寻找数组中的聚类。这个数据里有3个聚类。聚类完成后，我想把数据画出来，但它的顺序乱了。

如果能按照原来的顺序来画图，并且用不同的颜色标记不同的组或聚类，那就太好了。

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()

---

这是我的图 http://s29.postimg.org/9gf7noe93/figure_1.png （背景中的蓝色图是按顺序的，但聚类后就乱了）

谢谢！

更新：

我写了以下代码来实现聚类后的有序着色图，

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()

上面代码的问题是运行得太慢。而且我的数组大小超过300万。所以这段代码对我来说会花费很长时间才能完成。 如果有人能提供上面提到的向量化版本的代码，我将非常感激。谢谢！

Answer 1

你可以根据数据点与聚类中心的距离来绘制这些聚类的数据点，然后在每个数据点附近写上它们的索引，这样就能看到它们是如何根据聚类特性分散的：

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()

更新：

如果你很想使用向量化的方式，可以按照下面的方法来处理随机生成的数据：

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()