8类数据点质心计算 - 聚类分析基础

本文展示如何计算8类数据点（二维坐标）的质心，这是聚类分析中的一个基本步骤。

可以使用NumPy库来计算每类坐标的平均坐标，也就是质心。代码如下：

import numpy as np

# 原始数据
data = [[[20.4, 87.8], [17.0, 87.8], ...], [[80.1, 96.8], [87.6, 89.5], ...], ...]

# 计算每类坐标的平均坐标
centroids = []
for class_data in data:
    class_data = np.array(class_data)
    centroid = np.mean(class_data, axis=0)
    centroids.append(centroid)

# 输出8类的8个质心
print(centroids)

输出结果为：

[array([16.478125, 83.93125 ]), 
 array([82.23333333, 86.5       ]), 
 array([18.28      , 24.66      ]), 
 array([77.14      , 53.58      ]), 
 array([14.68, 17.8 ]), 
 array([50.03, 68.84]), 
 array([49.16, 86.32]), 
 array([51.15, 48.85])]

其中，每个元素为一个长度为2的NumPy数组，表示每类坐标的平均坐标。

代码说明：

1. 导入NumPy库：使用 import numpy as np 导入NumPy库，方便进行数组操作。
2. 定义原始数据：将原始数据存储在一个嵌套列表 data 中，每个子列表代表一类数据点。
3. 计算质心：使用循环遍历 data 中的每个子列表，将其转换为NumPy数组，并使用 np.mean(class_data, axis=0) 计算每一类数据的平均坐标，并将结果添加到 centroids 列表中。
4. 输出质心：使用 print(centroids) 输出计算得到的8个质心。

总结：

本文介绍了如何使用Python的NumPy库计算8类数据点（二维坐标）的质心，这是聚类分析中的一个基本步骤。 通过计算质心，我们可以更好地理解数据的分布特征，并为后续的聚类分析提供基础。