从零开始学Python29-K均值聚类

前言

我们接着《从零开始学Python【28】--K均值聚类（理论部分）》一文，继续跟大家分享一下如何借助于Python和R语言工具完成K均值聚类的实战。本次实战的数据来源于虎扑体育（https://nba.hupu.com/stats/players），我们借助于NBA球员的命中率和罚球命中率两个来给各位球员做一次“人以群分”的效果。

首先，我们使用pandas中的read_html函数读取虎扑体育网页中的球员数据表，然后再对数据作清洗（主要是数据类型的转换、变量的重命名和观测的删除）：

本次一共获得286名球员的历史投篮记录，这些记录包括球员姓名、所属球队、得分、各命中率等信息，下面我们仅使用球员的命中率和罚球命中率来做聚类，主要是为了方便展现聚类效果的图形。首先，我们来看看这两个指标下的散点图：

通过肉眼，似乎还无法对这286名球员进行聚类（画圈），如果画圈的话，该划为几类合适呢？一般我们可以通过迭代的方式选出合适的聚类个数，即让k值从1到K依次执行一遍，再查看每一次k值对应的簇内离差平方和之和的变化，如果变化幅度突然由大转小时，那个k值就是我们选择的合理个数。具体我们通过图形展现来说明上面的文字：

从图中结果显示，当k为7时，看上去簇内离差平方和之和的变化已慢慢变小，那么，我们不妨就将球员聚为7类。如下为聚类效果的代码：

上图中，散点的不同颜色表示的是聚为不同的簇，黑色五角星为各簇的中心点，看上去其聚类效果有那么点意思。到此，关于使用Python实现K均值聚类的实战我们就分享到这里，接下来将使用R语言重新复现一遍，希望对R语言熟悉的朋友有一点的帮助。如下是R语言的复现脚本：

结语

OK，关于使用Python和R语言完成K均值聚类的实战我们就分享到这里，如果你有任何问题，欢迎在公众号的留言区域表达你的疑问。同时，也欢迎各位朋友继续转发与分享文中的内容，让更多的人学习和进步。

关注“每天进步一点点2015”，与小编一同进步！