add dataframe

This commit is contained in:
Maciej Czajka 2022-06-15 21:21:25 +02:00
parent 96c3f8bb0a
commit b0decebad3

View File

@ -79,7 +79,7 @@
},
{
"cell_type": "code",
"execution_count": 7,
"execution_count": 1,
"id": "73cffc81",
"metadata": {},
"outputs": [
@ -87,6 +87,46 @@
"name": "stdout",
"output_type": "stream",
"text": [
" Długość kielicha Szerokość kielicha Długość płatka Szerokość płatka \\\n",
"0 0.222222 0.625000 0.067797 0.041667 \n",
"1 0.166667 0.416667 0.067797 0.041667 \n",
"2 0.111111 0.500000 0.050847 0.041667 \n",
"3 0.083333 0.458333 0.084746 0.041667 \n",
"4 0.194444 0.666667 0.067797 0.041667 \n",
".. ... ... ... ... \n",
"145 0.666667 0.416667 0.711864 0.916667 \n",
"146 0.555556 0.208333 0.677966 0.750000 \n",
"147 0.611111 0.416667 0.711864 0.791667 \n",
"148 0.527778 0.583333 0.745763 0.916667 \n",
"149 0.444444 0.416667 0.694915 0.708333 \n",
"\n",
" Wartość medoidu 0 \\\n",
"0 [0.19444444444444442, 0.5833333333333333, 0.08... \n",
"1 [0.19444444444444442, 0.5833333333333333, 0.08... \n",
"2 [0.19444444444444442, 0.5833333333333333, 0.08... \n",
"3 [0.19444444444444442, 0.5833333333333333, 0.08... \n",
"4 [0.19444444444444442, 0.5833333333333333, 0.08... \n",
".. ... \n",
"145 [0.19444444444444442, 0.5833333333333333, 0.08... \n",
"146 [0.19444444444444442, 0.5833333333333333, 0.08... \n",
"147 [0.19444444444444442, 0.5833333333333333, 0.08... \n",
"148 [0.19444444444444442, 0.5833333333333333, 0.08... \n",
"149 [0.19444444444444442, 0.5833333333333333, 0.08... \n",
"\n",
" Wartość medoidu 1 Medoid \n",
"0 [0.5277777777777779, 0.33333333333333326, 0.64... 0 \n",
"1 [0.5277777777777779, 0.33333333333333326, 0.64... 0 \n",
"2 [0.5277777777777779, 0.33333333333333326, 0.64... 0 \n",
"3 [0.5277777777777779, 0.33333333333333326, 0.64... 0 \n",
"4 [0.5277777777777779, 0.33333333333333326, 0.64... 0 \n",
".. ... ... \n",
"145 [0.5277777777777779, 0.33333333333333326, 0.64... 1 \n",
"146 [0.5277777777777779, 0.33333333333333326, 0.64... 1 \n",
"147 [0.5277777777777779, 0.33333333333333326, 0.64... 1 \n",
"148 [0.5277777777777779, 0.33333333333333326, 0.64... 1 \n",
"149 [0.5277777777777779, 0.33333333333333326, 0.64... 1 \n",
"\n",
"[150 rows x 7 columns]\n",
"Sylwetka (ang. Silhouette) dla algorytmu k-medoid dla k = 2 ---------- 0.6114567207221335\n"
]
}
@ -194,6 +234,16 @@
" cluster_labels = self.get_clusters_label(data, final_clusters)\n",
" silhouette_avg = silhouette_score(data, cluster_labels)\n",
" \n",
" data = {'Długość kielicha': [data[i][0] for i in range(0, len(data))],\n",
" 'Szerokość kielicha': [data[i][1] for i in range(0, len(data))],\n",
" 'Długość płatka': [data[i][2] for i in range(0, len(data))],\n",
" 'Szerokość płatka': [data[i][3] for i in range(0, len(data))],\n",
" 'Wartość medoidu 0': [medoids[0] for i in range(150)],\n",
" 'Wartość medoidu 1': [medoids[1] for i in range(150)],\n",
" 'Medoid': cluster_labels}\n",
" df = pd.DataFrame(data)\n",
" print(df)\n",
" df.to_csv('data.csv')\n",
" print('Sylwetka (ang. Silhouette) dla algorytmu k-medoid dla k =', self.k_value, 10*'-', silhouette_avg)\n",
"\n",
" def calculateDistance(self, x, y):\n",