Python 一维数据 K-Means 聚类与可视化

以下是使用 Python 语言对一维数据进行 k-means 聚类并进行可视化的示例代码：

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

# 生成随机数据
data = np.random.rand(100)

# 对数据进行reshape操作
data = data.reshape(-1,1)

# 使用KMeans进行聚类
kmeans = KMeans(n_clusters=3)
kmeans.fit(data)

# 获取聚类结果
labels = kmeans.labels_
centers = kmeans.cluster_centers_

# 可视化聚类结果
plt.scatter(data, np.zeros_like(data), c=labels)
plt.scatter(centers, np.zeros_like(centers), marker='*', s=200, c='#050505')
plt.show()

解释：

首先，我们生成了一维随机数据。然后，对数据进行了'reshape'操作，将其变成了二维数据。

接着，我们使用了'KMeans'算法进行聚类。在这里，我们指定了聚类数为3。

接着，我们获取了聚类结果中各个点所属的类别和聚类中心。

最后，我们将聚类结果可视化。其中，我们使用了'scatter'函数绘制了数据点，颜色按照类别进行区分；使用了'marker'参数指定了聚类中心的形状；使用了'c'参数指定了聚类中心的颜色。