4.K均值算法--应用 4/17

1、 应用K-means算法进行图片压缩

　　读取一张图片

　　观察图片文件大小，占内存大小，图片数据结构，线性化

　　用kmeans对图片像素颜色进行聚类

　　获取每个像素的颜色类别，每个类别的颜色

　　压缩图片生成：以聚类中收替代原像素颜色，还原为二维

　　观察压缩图片的文件大小，占内存大小

from sklearn.datasets import load_sample_image
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import sys
import matplotlib.image as img
import numpy as np

# 读取一张图片
image = img.imread("./1.jpg")
print('原图片文件大小：', image.size)
print('原图片占内存大小：', sys.getsizeof(image))
print('原图片的数据结构：\n', image)

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.title("原图片")
plt.imshow(image)
plt.show() 

　原图片大小及数据结构

　　　　　　　

　原图片：

 　　　　

# 用kmeans对图片像素颜色进行聚类
image = image[::3, ::3]  # 降低分辨率
X = image.reshape(-1, 3)
print(image.shape, X.shape)
n_colors = 64
model = KMeans(n_colors)
labels = model.fit_predict(X)  # 获取每个像素的颜色类别
colors = model.cluster_centers_  # 获取每个类别的颜色

new_image = colors[labels].reshape(image.shape)  # 以聚类中收替代原像素颜色，还原为二维
print('压缩图片文件大小：', new_image.size)
print('压缩图片占内存大小：', sys.getsizeof(new_image))
print('压缩图片的数据结构：\n', new_image)
img.imsave('D://机器学习/2.jpg', new_image)

　压缩图片大小以及数据结构：

　　　　　　

原图和压缩图片大小比较：

　　　　

plt.title("压缩图片")
plt.imshow(new_image.astype(np.uint8))  # 把颜色平均值转为整数
plt.show()

plt.title("二次压缩图片")
plt.imshow(new_image.astype(np.uint8)[::3, ::3])  # 压缩图片进一步压缩，隔3个像素选取
plt.show()

　两次压缩图片效果：

　　　　

 

　　　　

 2. 观察学习与生活中可以用K均值解决的问题。

　　观察广州市天河区的房价，数据如下：

　　　　　　

　　我们要观察建筑面积和建楼年份对楼房的价格有和影响，所以选出这三列来构建一个新的数据框，并转为数组：

　　　　　　

　　接着构建模型，完成构建之后，我们把聚类中心（0,1,2）划分为三个数组：

　　　　　　

　　查看a1，b1，c1：（有点误差）

　　　 ①a1：400 < 总价 < 1000（中价楼盘）

　　　　　　

 　　　 ②b1：总价 >1000（高价楼盘）

　　　　　　

 　　　 ③c1：总价 <= 400 （低价楼盘）

　　　　　　

　　进行数据可视化，把数据按楼房价格划分，大致可分为高、中、低价三类。可视化结果如下图：

　　　　　

　　可以发现，建筑面积越大建筑年份越新的那一类价格越高，低价的大多都是占地小，或者建成时间比较长，房子比较老。如果想购买房源，可以对照这两个因素，就差不多有一个价格的预估啦。

代码如下：

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

house = pd.read_csv('house.csv', index_col=0)  # 读取数据
data1 = house[house['区域'] == '天河']  # 取区域在天河区的数据
test_data = data1[['建楼年份', '建筑面积(平米)', '总价']]  # 取其中三列作为数据样本
data = np.array(test_data)  # 进行类型转换

model = KMeans(n_clusters=3)  # 构建模型
model.fit(data)
y = model.predict(data)  # 进行预测，分类
model.cluster_centers_

a = []
b = []
c = []
d = []

# 数据按聚类中心分类，用于后面可视化
for i in range(len(data)):
    if y[i] == 0:
        a.append(data[i, ：])
        a1 = np.array(a)
    elif y[i] == 1:
        b.append(data[i, ：])
        b1 = np.array(b)
    else:
        c.append(data[i, ：])
        c1 = np.array(c)

plt.rcParams['font.sans-serif'] = ['SimHei']
plt.scatter(a1[:, 1], a1[:, 0], s=55, c='#A6CEE3', marker="*")  # 聚类中心=0类
plt.scatter(b1[:, 1], b1[:, 0], s=50, c='#FDBF6F', marker="D")  # 聚类中心=1类
plt.scatter(c1[:, 1], c1[:, 0], s=50, c='#B66538', marker="x")  # 聚类中心=2类

plt.legend(['中价楼盘', '高价楼盘', '低价楼盘'])
plt.ylabel("建楼年份")
plt.xlabel("建筑面积（平米）")
plt.title("天河区楼盘价格分类与楼盘面积、年份因素关系")
plt.show()