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

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,url,dirpath,name,grouplinesname,xlinesname,ylinesname)

    # 5.生成导出excel 软件老王
def export(model,data_zs,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,model,ylinesname)

#6.生成图片及返回json，软件老王
def generateimage(r,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='*',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,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！