27.03 Кластеры нестандартной формы

Для начала визуально оценим данные в условии кластеры. Для этого откроем предложенные файлы в , перейдем в раздел «Вставка Диаграммы Точечная».

Диаграмма для файла А имеет вид:

Из нее видно, что кластеры имеют необычную форму, поэтому для разделения точек по кластерам будем использовать метод dbscan. Чтобы найти стартовые точки определим области, в которых кластеры не перессекаются. Для верхнего кластера будем использовать координаты: . Для нижнего будем использовать координаты: .

Код программы для файла А:

from math import *
f = open(’3_A.txt’)
s = f.readline() # Считываем первую строку файла с названиями столбцов
# сохраняем массив данных
st = [list(map(float, i.replace(’,’, ’.’).split())) for i in f]
# подбираем по 1 звезде для каждого кластера меняя параметры
# for i in range(len(st)):
#     if 0 < st[i][0] < 0.5 and -0.2 < st[i][1] < 0:
#         print(i)
#         break

a = [[[st[47][0], st[47][1]]], [[st[17][0], st[17][1]]]]

st.pop(47), st.pop(17)

# разделяем звезды на кластеры методом dbscan
for k in range(2):
    for j in a[k]:
        for i in range(len(st)):
            if st[i] != ’*’:
                p = [st[i][0], st[i][1]]
                if dist(p, j) < 0.2:
                    a[k].append(p)
                    st[i] = ’*’

sum_x = sum_y = 0  # Переменные для суммы абсцисс и ординат периферий
for i in a:
    tx = ty = 0  # Координаты текущей периферии кластера
    mn = 100000050000  # Минимальное расстояние
    for j in i:
        x1, y1 = j
        sm = 0  # Суммарное расстояние
        for k in i:
            x2, y2 = k
            sm += ((x2-x1)**2 + (y2-y1)**2)**0.5
        if sm < mn:
            mn = sm
            tx, ty = x1, y1
    sum_x += tx
    sum_y += ty
print(int(sum_x / 2 * 10000))
print(int(sum_y / 2 * 10000))
                                                                                                  
                                                                                                  

Диаграмма для файла Б имеет вид:

Из нее видно, что кластеры имеют необычную форму, поэтому для разделения точек по кластерам будем использовать метод dbscan. Чтобы найти стартовые точки определим области, в которых кластеры не перессекаются. Для самого нижнего кластера будем использовать координаты: . Для самого левого кластера будем использовать координаты: . Для самого верхнего будем использовать координаты: . Для самого правого будем использовать координаты: .

Код программы для файла Б:

from math import *
f = open(’3_B.txt’)
s = f.readline() # Считываем первую строку файла с названиями столбцов
# сохраняем массив данных
st = [list(map(float, i.replace(’,’, ’.’).split())) for i in f]
# подбираем по 1 звезде для каждого кластера меняя параметры
# for i in range(len(st)):
#     if 10 < st[i][0] < 15 and 0 < st[i][1] < 6:
#         print(i)
#         break

a = [[[st[11][0], st[11][1]]], [[st[19][0], st[19][1]]], [[st[17][0], st[17][1]]], [[st[2][0], st[2][1]]]]

st.pop(11), st.pop(19), st.pop(17), st.pop(2)

# разделяем звезды на кластеры методом dbscan
for k in range(4):
    for j in a[k]:
        for i in range(len(st)):
            if st[i] != ’*’:
                p = [st[i][0], st[i][1]]
                if dist(p, j) < 0.2:
                    a[k].append(p)
                    st[i] = ’*’

sum_x = sum_y = 0  # Переменные для суммы абсцисс и ординат периферий
for i in a:
    tx = ty = 0  # Координаты текущей периферии кластера
    mn = 100000050000  # Минимальное расстояние
    for j in i:
        x1, y1 = j
        sm = 0  # Суммарное расстояние
        for k in i:
            x2, y2 = k
            sm += ((x2-x1)**2 + (y2-y1)**2)**0.5
        if sm < mn:
            mn = sm
            tx, ty = x1, y1
    sum_x += tx
    sum_y += ty
print(int(sum_x / 4 * 10000))
print(int(sum_y / 4 * 10000))