Metodo CLARANS

clarans.py

#importamos las librerrias
from pyclustering.cluster.clarans import clarans;
from pyclustering.utils import timedcall;
import pyreadstat

#cargamos la data
filesav = 'datos/democracias_latam.sav'
df, meta = pyreadstat.read_sav(filesav )

df.head(25)

#extraemos las variables independientes
X = df.iloc[:, 4:].values

#echa un vistazo al conjunto de datos
print("Un vistazo al conjunto de datos : ",X[:3])

##Clustering algorithm CLARANS
#np.random.seed(2020)
clarans_instance = clarans(X, #data
                           3, #numero de cluster
                           10, #cantidad de iteraciones
                           4); #maximo numero de vecinos

#llama al método clarans 'proceso' para implementar el algoritmo
(ticks, result) = timedcall(clarans_instance.process);
print("Tiempo : ", ticks, "\n");

#vemos los clusters generados
clusters = clarans_instance.get_clusters();
clusters

#devuelve los medoides
medoids = clarans_instance.get_medoids();

import pandas as pd
#Declarar un dataframe base
df_x = pd.DataFrame({}, 
                  columns=[])

for i in range (0, len(clusters)):
    df["cluster"] = None
    #df["cluster"] = m[df.A]
    dfb=df.loc[clusters[i],]
    dfb.cluster= i
    #Concatenar con el dataframe base
    df_x = pd.concat([df_x, dfb])
#Ordenar por indice    
df_x = df_x.sort_index()

#Coeficiente Silueta
from sklearn.metrics import euclidean_distances, silhouette_score
score = silhouette_score(X, df_x["cluster"].values)
score

#Coeficiente de silueta para distintos valores de k
from sklearn.metrics import euclidean_distances, silhouette_score
import matplotlib.pyplot as plt 
from pyclustering.cluster.clarans import clarans;
from pyclustering.utils import timedcall;
sil = []

for i in range(2,11):
    #Declarar un dataframe base
    df_x = pd.DataFrame({}, 
                  columns=[])
    clarans_instance = clarans(X, i, 30, 4)
    #llama al método clarans 'proceso' para implementar el algoritmo
    (ticks, result) = timedcall(clarans_instance.process);
    clusters = clarans_instance.get_clusters()
    len_cluster = len(clusters)
    #print(clarans_instance.get_clusters())
    for k in range (0, len_cluster):
        df["cluster"] = None
        dfb=df.loc[clusters[k],]
        dfb.cluster= k
        #Concatenar con el dataframe base
        df_x = pd.concat([df_x, dfb])
        #print(dfb)
    #Ordenar por indice    
    df_x = df_x.sort_index()
    #print("---------1111")
    #print(i)
    #print(df_x)
    
    score= round(silhouette_score(X, df_x["cluster"].values),2)
    sil.append(score)

plt.plot(range(2, 11),sil)
plt.ylabel("Silouette")
plt.xlabel("k")
plt.title("Silouette para data clientes")
plt.show()
sil

clarans_ej_2.py

clarans_instance = clarans(X, 2, 6, 4);

(ticks, result) = timedcall(clarans_instance.process);
print("Tiempo : ", ticks, "\n");

clusters = clarans_instance.get_clusters();
clusters

len(clusters)

import pandas as pd
#Declarar un dataframe base
df_x = pd.DataFrame({}, 
                  columns=[])
for i in range (0, len(clusters)):
    df["cluster"] = None
    #df["cluster"] = m[df.A]
    dfb=df.loc[clusters[i],]
    dfb.cluster= i
    #Concatenar con el dataframe base
    df_x = pd.concat([df_x, dfb])
#Ordenar por indice    
df_x = df_x.sort_index()

df_x

import numpy as np
import pandas as pd
def obt_metrics(data_new,n_clusters,n_columns,metric):#data_new:dataframe,el numero de clusters,el numero de columnas,#1 media 2 desviacion estandar
    str_columns=data_new.iloc[:, 0:n_columns].columns
    data_final = pd.DataFrame(columns=str_columns)#Los nombres de las diferentes columnas
    data_final['Cluster'] = "Cluster :"#Crear la columna Cluster
    
    for i in range(0,n_clusters):#Recorremos cada cluster
        #print(i)
        #Especificar el nombre donde se encuentra el nombre de la columna de cluster
        data_new_1=data_new[data_new.cluster==i]#Agrupamos el dataframe por cada cluster
        data1=data_new_1.describe()#Obtenemos el numero,media,desviacion estandar,...,max.
        data1=data1.iloc[:, 0:n_columns]#Selecciona todas las columnas
        data1=data1.iloc[[metric],]#1 mean 2 desviacion estandar
        #print(data1)#Pintamos de cada cluster
        len_data1=len(data1.columns)#El numero de columnas
        list_row=[]#Declaramos el array
        
        for k in range(0,len_data1):#Recorremos cada columna
            name_column=data1.columns[k]#Obtenemos el nombre de cada columna
            value=data1[[name_column][0]][0]#Obtenemos el valor de la columna
            #print(name_column)
            #print(value)
            list_row.append(value)#Agregamos los valores de cada columna
            
            
        list_row.append("Cluster :"+str(i))#Agregamos la columna cluster
        data_final.loc[i-1] = list_row#Agregamos una fila al dataframe final
        
        #print("---------------------------")
    return data_final


 data_varimp = df_x.iloc[:,4:10]

#data_new:dataframe,el numero de clusters,el numero de columnas,#1 media, 2 desviacion estandar
data_final=obt_metrics(data_varimp,len(clusters),5,1)

data_final

#data_new:dataframe,el numero de clusters,el numero de columnas,#1 media, 2 desviacion estandar
data_final2=obt_metrics(data_varimp,len(clusters),5,2)

data_final2