Как извлечь значения x и y в виде нового массива после запуска DBSCAN? - PullRequest
Новая
       35

Как извлечь значения x и y в виде нового массива после запуска DBSCAN?

1 голос
/ 24 января 2020

Я использую алгоритм DBSCAN в python, используя список точек, созданных в ArcGIS. Я применил al oop, чтобы увидеть различия для увеличения значений eps и min_feature. Это работает очень хорошо, и я могу представить результаты на графике. Но я должен снова использовать полученные точки в кластерах на ArcGIS Pro. Чтобы сделать это, я хотел бы извлечь значения x и y каждой точки в кластерах, которые я вижу на графике, и в файл .csv или .xlsx. Затем я могу визуализировать все точки и скопления на карте, над которыми я сейчас работаю. Проблема в том, что я не могу напечатать значения x и y, и, честно говоря, я новичок и не знаю, где их найти. Поскольку я не использую базовую карту и работаю только с векторными данными, я не смог найти другого способа сделать это. Я был бы признателен, если кто-то может помочь с этой проблемой. Заранее спасибо. Вот мой код. 

import numpy as np

from sklearn.cluster import DBSCAN
from sklearn import metrics
from sklearn.datasets import make_blobs
from sklearn.preprocessing import StandardScaler

import arcpy
import pandas as pd
import xlsxwriter as xlsw
import matplotlib.pyplot as plt

in_workspace = r'D:\00_Experiment\DWG_Participants\Database'
arcpy.env.workspace = in_workspace
arcpy.env.overwriteOutput = True
# #############################################################################
# Generate sample data

input = r"D:\00_Experiment\DWG_Participants\Database\DbScan.gdb\FP_Centroids"
arr = arcpy.da.TableToNumPyArray(input, ("Longitude", "Latitude"))

cen_df = pd.DataFrame(arr)

centers = [[1, 1], [-1, -1], [1, -1]]
cen_df, labels_true = make_blobs(n_samples=len(cen_df), centers=centers, cluster_std=0.4,

random_state = 0) 

cen_df = StandardScaler().fit_transform(cen_df)

# #############################################################################
# Compute DBSCAN
a = 0.2
b = 0.5

for i in range(1):
    a = a + 0.1
    b = b + 0.5
    db = DBSCAN(eps=a, min_samples=b).fit(cen_df)
    core_samples_mask = np.zeros_like(db.labels_, dtype=bool)
    core_samples_mask[db.core_sample_indices_] = True
    labels = db.labels_

# Number of clusters in labels, ignoring noise if present.
    n_clusters_ = len(set(labels)) - (1 if -1 in labels else 0)
    n_noise_ = list(labels).count(-1)

    print('Estimated number of clusters: %d' % n_clusters_)
    print('Estimated number of noise points: %d' % n_noise_)
    print("Homogeneity: %0.3f" % metrics.homogeneity_score(labels_true, labels))
    print("Completeness: %0.3f" % metrics.completeness_score(labels_true, labels))
    print("V-measure: %0.3f" % metrics.v_measure_score(labels_true, labels))
    print("Adjusted Rand Index: %0.3f" % metrics.adjusted_rand_score(labels_true, labels))
    print("Adjusted Mutual Information: %0.3f" % metrics.adjusted_mutual_info_score(labels_true, labels))
    print("Silhouette Coefficient: %0.3f" % metrics.silhouette_score(cen_df, labels))

# Black removed and is used for noise instead.
    unique_labels = set(labels)
    colors = [plt.cm.Spectral(each)
    for each in np.linspace(0, 1, len(unique_labels))]
    for k, col in zip(unique_labels, colors):
        if k == -1:
        # Black used for noise.
            col = [0, 0, 0, 1]

        class_member_mask = (labels == k)

        xy = cen_df[class_member_mask & core_samples_mask]
        plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col), markeredgecolor='k', markersize=14)

        xy = cen_df[class_member_mask & ~core_samples_mask]
        plt.plot(xy[:, 0], xy[:, 1], 'o', markerfacecolor=tuple(col), markeredgecolor='k', markersize=6)

    ###################
    #I tried this code for xy values and labels but the excel file does not contain what I am looking for 
    #new_array = np.array(labels)
    #df = pd.DataFrame(labels)
    #df = df.transpose()
    #xlsfile = r"D:\00_Experiment\DWG_Participants\Database\output_dbscan.gdb\fp.xlsx"
    #writer = pd.ExcelWriter(xlsfile, engine="xlsxwriter")
    #df.to_excel(writer, sheet_name="table_fp",startrow=1, startcol=1, header=False, index=False)
    #writer.save()
    #######################

    plt.title('Estimated number of clusters: %d' % n_clusters_)
    plt.show()enter code here
...