numpy、matplot、sklearn的安裝與使用

 windows下安裝pip

cd到 C:\Python27\Scripts目錄下
執行 easy_install pip
安裝完成後，在Scripts目錄下生成pip工具

 

whl文件格式及安裝方法
whl是一種壓縮文件格式，其中包含py文件和編譯後的pyd文件
安裝whl包：pip install xxx.whl
更新whl包：pip install -U xxx.whl

注意：安裝whl包以前須要先安裝wheel工具

安裝wheel：pip install wheel

 

numpy下載連接：http://www.lfd.uci.edu/~gohlke/pythonlibs/

安裝numpy：pip install numpy-xxx-xxx.whl

錯誤記錄：安裝時，文件名中出現問號，多是因爲編碼問題致使，手動重命名文件後解決

 

scipy ：SciPy是一款方便、易於使用、專爲科學和工程設計的Python工具包.

它包括統計,優化,整合,線性代數模塊,傅里葉變換,信號和圖像處理,常微分方程求解器等等

安裝Scipy函數庫，SciPy依賴Numpy

下載連接：http://www.lfd.uci.edu/~gohlke/pythonlibs/

安裝Scipy : pip install scipy-xxx-xxx.whl

 

matplotlib：Python繪圖庫，能夠繪製直方圖，功率譜，條形圖，錯誤圖，散點圖等

安裝matplotlib：直接運行 pip install matplotlib

或者下載whl安裝包安裝

下載地址：http://www.lfd.uci.edu/~gohlke/pythonlibs/

 

scikit-learn(簡稱sklearn)：sklearn是Scipy的擴展，創建在NumPy和matplotlib庫的基礎上；支持包括分類、迴歸、降維和聚類四大機器學習算法。還包含了特徵提取、數據處理和模型評估三大模塊

安裝：pip install -U scikit-learn

import numpy as np
from sklearn.cluster import KMeans
from sklearn.metrics import silhouette_score
import matplotlib.pyplot as plt 

plt.subplot(3,2,1)
#np.array()的類型是array
x1=np.array([1,2,3,1,5,6,5,5,6,7,8,9,7,9])
x2=np.array([1,3,2,2,8,6,7,6,7,1,2,1,1,3])
#zip()函數，接收的參數是可迭代的對象
#返回的是一個list，list中的元素爲元組
#zip(x1,x2)就是將兩個數組中按順序對應的數字組成一個元組
#返回的是 [(1,1),(2,3),(3,2)...]
#此處若是將x1和x2定義爲普通的list也可返回相同的list
x=np.array(zip(x1,x2)).reshape(len(x1),2)
#reshape()改變Array的維數，例如
#a = np.array([1,2,3,4,5,6,7,8])
#b = a.reshape(2,4)  形如：[[1,2,3,4],[5,6,7,8]]
#c = a.reshape(2,2,2) 將a變成三維數組

plt.xlim([0,10])
plt.ylim([0,10])
plt.title('Instances')
plt.scatter(x1,x2)

colors=['b','g','r','c','m','y','k','b']
markers=['o','s','D','v','^','p','*','+']

clusters=[2,3,4,5,8]
subplot_counter=1
sc_scores=[]
for t in clusters :
	subplot_counter+=1
	plt.subplot(3,2,subplot_counter)
	kmeans_model=KMeans(n_clusters=t).fit(x)

	for i,l in enumerate(kmeans_model.labels_):
		plt.plot(x1[i],x2[i],color=colors[l],marker=markers[l],ls='None')

		plt.xlim([0,10])
		plt.ylim([0,10])
		sc_score=silhouette_score(x,kmeans_model.labels_,metric='euclidean')
		sc_scores.append(sc_score)
#程序運行出錯，提示字符出錯
		plt.title('K=%s,silhouette coefficient= %0.03 f' % (t,sc_score))

plt.figure()
plt.plot(clusters,sc_scores,'*-')
plt.xlabel('Number of Cluster')
plt.ylabel('Silhouette Coefficient Score')

plt.show()