"""

基本概念：

    1、核心对象：某个点的密度达到算法设定的阈值则其为核心点(即r邻域内点的数量不小于minpts)

    2、邻域的距离阈值：设定的半径r

    3、直接密度可达：某点p在点q的r邻域内，且q是核心点，则表示p-q是直接密度可达

    4、噪声点：不属于任何一个类族的点

    5、边界点：属于某一个类的非核心点，不能发展下线(即边界点没有密度可达的点)

超参：指定的半径r，密度阈值minpts

算法优势：

        1、不需要指定簇个数

        2、可以发现任意形状的簇

        3、擅长找到离群点(检测任务)

        4、两个参数就够了

    劣势：

        1、高维数据有写困难(可以使用PCA和LDA进行数据降维)

        2、参数难以选择(参数对结果的影响非常大)

        3、sklearn中效率很慢(数据削减策略)

和K-Mean对比：效果比K-Mean好很多

"""

#可以对数据进行标准化或者归一化

import  pandas as pd

from sklearn.cluster import KMeans

from sklearn.cluster import DBSCAN

def KMean():

    data = pd.read_csv('data.txt',sep=' ')

    X = data[["colum1","column2","column3"]]

    km1 = KMeans(n_clusters=3).fit(X)

    km1 = KMeans(n_clusters=2).fit(X)

    print(km1.labels_)#查看聚类的类别

    data['cluster']=km1.labels_ #添加一列

    print(data.sort_values('cluster'))#按cluster进行排序

    #根据cluster，计算均值

    print(data.groupby('cluster').mean())

def DBSCAN():

    data = pd.read_csv('data.txt', sep=' ')

    X = data[["colum1", "column2", "column3"]]

    db = DBSCAN(eps=1.0,min_samples=2).fit(X)

    labels = db.labels_

    data['cluster'] = labels

    data.sort_values('cluster')

if __name__ == '__main__':

    DBSCAN()