1. 场景描述
一直做java，因项目原因，需要封装一些经典的算法到平台上去，就一边学习python，一边网上寻找经典算法代码，今天介绍下经典的K-means聚类算法，算法原理就不介绍了，只从代码层面进行介绍，包含：rest接口、连接mpp数据库、回传json数据、下载图片及数据。
2. 解决方案
2.1 项目套路
（1）python经典算法是单独的服务器部署，提供rest接口出来，供java平台调用，交互的方式是http+json；
（2）数据从mpp数据库-Greenplum中获取；
（3）返回的数据包括三个：1是生成聚类图片的地址；2是聚类项目完整数据地址；3是返回给前端的200条json预览数据。
2.2 restapi类
分两个类，第一个是restapi类，封装rest接口类，其他的经典算法在这里都有对应的方法，是个公共类。
完整代码：
# -*- coding: utf-8 -*-
from flask import Flask, request, send_from_directory
from k_means import exec
import logging
app = Flask(__name__)
#1.服务器上更改为服务器地址，用于存放数据
dirpath = 'E:\ruanjianlaowang'
#2. 测试连通性，软件老王
@app.route('/')
def index():
return "Hello, World!"
#3. k-means算法 软件老王
@app.route('/getKmeansInfoByLaowang', methods=['POST'])
def getKmeansInfoByLaowang():
try:
result = exec(request.get_json(), dirpath)
except IndexError as e:
logging.error(str(e))
return 'exception:' + str(e)
except KeyError as e:
logging.error(str(e))
return 'exception:' + str(e)
except ValueError as e:
logging.error(str(e))
return 'exception:' + str(e)
except Exception as e:
logging.error(str(e))
return 'exception:' + str(e)
else:
return result
#4.文件下载（图片及csv）
@app.route("/<path:filename>")
def getImages(filename):
return send_from_directory(dirpath, filename, as_attachment=True)
#5.启动
if __name__ == '__main__':
app.run(host="0.0.0.0", port=5000, debug=True)
代码说明：
使用的是第三方的flask提供的rest服务
（1）服务器上更改为服务器地址，用于存放数据
（2）测试连通性，软件老王
（3）k-means算法 软件老王
（4）文件下载（图片及csv）
（5）启动
2.3 k-means算法类
完整代码：
import pandas as pd
import dbgp as dbgp
from pandas.io import json
from numpy import *
import matplotlib.pyplot as plt
import numpy as np
plt.switch_backend('agg')
import logging
# 执行 软件老王
def exec(params, dirpath):
#1.获取参数，软件老王
sql = params.get("sql")
xlines = params.get("xlines")
ylines = params.get("ylines")
xlinesname = params.get("xlinesname")
ylinesname = params.get("ylinesname")
grouplinesname = params.get("grouplinesname")
times = int(params.get("times"))
groupnum = int(params.get("groupnum"))
url = params.get("url")
name = params.get("name")
#2. 校验是否为空，软件老王
flag = checkparam(sql, xlines, ylines, times, groupnum)
if not flag is None and len(flag) != 0:
return flag
#3. 从数据库获取数据，软件老王
try:
data = dbgp.queryGp(sql)
except IndexError:
return sql
except KeyError:
return sql
except ValueError:
return sql
except Exception:
return sql
if data.empty:
return "exception:此数据集无数据，请确认后重试"
#4 调用第三方sklearn的KMeans聚类算法，软件老王
# data_zs = 1.0 * (data - data.mean()) / data.std() 数据标准化，不需要标准话
from sklearn.cluster import KMeans
model = KMeans(n_clusters=groupnum, n_jobs=4, max_iter=times)
model.fit(data) # 开始聚类
return export(model, data, data, url, dirpath, name,grouplinesname,xlines, ylines,xlinesname,ylinesname)
# 5.生成导出excel 软件老王
def export(model, data, data_zs, url, dirpath, name,grouplinesname,xlines, ylines,xlinesname,ylinesname):
# #详细输出原始数据及其类别
detail_data = pd.DataFrame().append(data)
if not grouplinesname is None and len(grouplinesname) != 0:
detail_data.columns = grouplinesname.split(',')
r_detail_new = pd.concat([detail_data, pd.Series(model.labels_, index=detail_data.index)], axis=1) # 详细输出每个样本对应的类别
r_detail_new.columns = list(detail_data.columns) + [u'聚类类别'] # 重命名表头
outputfile = dirpath + name + '.csv'
r_detail_new.to_csv(outputfile, encoding='utf_8_sig') # 保存结果
#重命名表头
r1 = pd.Series(model.labels_).value_counts() # 统计各个类别的数目
r2 = pd.DataFrame(model.cluster_centers_) # 找出聚类中心
r = pd.concat([r2, r1], axis=1) # 横向连接（0是纵向），得到聚类中心对应的类别下的数目
r.columns = list(data.columns) + [u'类别数目'] # 重命名表头
return generateimage(r, data_zs, url, dirpath, name,model,xlines, ylines,xlinesname,ylinesname)
#6.生成图片及返回json，软件老王
def generateimage(r, data_zs, url, dirpath, name,model,xlines, ylines,xlinesname,ylinesname):
image = dirpath + name + '.jpg'
#6.1 中文处理，软件老王
plt.rcParams['font.sans-serif'] = ['simhei']
plt.rcParams['font.family'] = 'sans-serif'
plt.rcParams['axes.unicode_minus'] = False
# 6.2 画图，生成图片，软件老王
labels = model.labels_
centers = model.cluster_centers_
data_zs['label'] = labels
data_zs['label'] = data_zs['label'].astype(np.int)
# 图标集合
markers = ['o', 's', '+', 'x', '^', 'v', '<', '>']
colors = ['b', 'c', 'g', 'k', 'm', 'r', 'y']
symbols = []
for m in markers:
for c in colors:
symbols.append((m, c))
# 画每个类别的散点及质心
for i in range(0, len(centers)):
df_i = data_zs.loc[data_zs['label'] == i]
symbol = symbols[i]
center = centers[i]
x = df_i[xlines].values.tolist()
y = df_i[ylines].values.tolist()
plt.scatter(x, y, marker=symbol[0], color=symbol[1], s=10)
plt.scatter(center[0], center[1], marker='*', color=symbol[1], s=50)
plt.title(name)
plt.xlabel(xlinesname)
plt.ylabel(ylinesname)
plt.savefig(image, dpi=150)
plt.clf()
plt.close(0)
# 6.3 返回json数据给前端展示，软件老王
result = {}
result['image_url'] = url + '/' + name + '.jpg'
result['details_url'] = url + '/' + name + '.csv'
result['data'] = r[:200] #显示200，多的话，相当于预览
result = json.dumps(result, ensure_ascii=False)
result = result.replace('\', '')
return result
def checkparam(sql, xlines, ylines, times, groupnum):
if sql is None or sql.strip() == '' or len(sql.strip()) == 0:
return "数据集或聚类数据列，不能为空"
if xlines is None or xlines.strip() == '' or len(xlines.strip()) == 0:
return "X轴，不能为空"
if ylines is None or ylines.strip() == '' or len(ylines.strip()) == 0:
return "Y轴，不能为空"
if times is None or times <= 0:
return "聚类个数，不能为空或小于等于0"
if groupnum is None or groupnum <= 0:
return "迭代次数，不能为空或小于等于0"
代码说明：
（1）获取参数，软件老王；
（2）校验是否为空，软件老王；
（3）从数据库获取数据，软件老王；
（4）第三方sklearn的KMeans聚类算法，软件老王；
（5）生成导出excel 软件老王
（6）生成图片及返回json，软件老王
（6.1） 中文处理，软件老王
（6.2） 画图，生成图片，软件老王
（6.3） 返回json数据给前端展示，软件老王
2.4 执行效果
2.4.1 json返回
{"image_url":"http://10.192.168.1:5000/ruanjianlaowang_65652.jpg","details_url":"http://10.192.168.1:5000/ruanjianlaowang_65652.csv","data":{"empno":{"0":7747.2,"1":7699.625,"2":7839.0},"mgr":{"0":7729.8,"1":7745.25,"2":7566.0},"sal":{"0":2855.0,"1":1218.75,"2":5000.0},"comm":{"0":29.5110766,"1":117.383964625,"2":31.281453},"deptno":{"0":20.0,"1":25.0,"2":10.0},"类别数目":{"0":5,"1":8,"2":1}}}
2.4.2 返回图片
2.4.3 返回的数据
另外说明： 目前项目环境上用的是8核16G的虚拟机，执行数据量是30万，运行状况良好。
I’m 「软件老王」，如果觉得还可以的话，关注下呗，后续更新秒知！欢迎讨论区、同名公众号留言交流！