python聚类算法解决方案（rest接口/mpp数据库/json数据/下载图片及数据）

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！