【Python入門】Pythonの機械学習ライブラリ（Scikit-learn）

import random

def create_science_data(filename="science_data.csv", rows=200):
    """
    物理(Physics), 生物(Biology), 化学(Chemistry)の3列を持つ
    ダミーデータを200行生成し、CSVファイルに出力する関数。
    """
    random.seed(0)
    
    with open(filename, "w", encoding="utf-8") as f:
        f.write("Physics,Biology,Chemistry\n")
        
        for _ in range(rows):
            # クラスタを3グループ程度にわけ、中心付近の値をランダム生成
            cluster_choice = random.choice([1,2,3])
            
            if cluster_choice == 1:
                physics = random.randint(40,60)
                biology = random.randint(50,70)
                chemistry = random.randint(50,65)
            elif cluster_choice == 2:
                physics = random.randint(70,90)
                biology = random.randint(55,80)
                chemistry = random.randint(60,90)
            else:
                physics = random.randint(80,100)
                biology = random.randint(70,100)
                chemistry = random.randint(70,95)
            
            f.write(f"{physics},{biology},{chemistry}\n")
    
    print(f"ファイル '{filename}' を作成しました（{rows}行のデータ）。")

# 実行例: science_data.csvを作成
create_science_data("science_data.csv", rows=200)

ファイル 'science_data.csv' を作成しました（200行のデータ）。

import pandas as pd
from sklearn.cluster import KMeans

def clustering_example(csv_file="science_data.csv", n_clusters=3):
    """
    CSVファイルを読み込み、指定された列(2列)に対してKMeansクラスタリングを実行するサンプル。
    結果のクラスタ番号をDataFrameに追加し、表示・出力する。
    """
    # データを読み込む
    df = pd.read_csv(csv_file, encoding="utf_8")
    
    # KMeansモデルを定義（n_clusters=クラスタ数を指定）
    model = KMeans(n_clusters=n_clusters)
    
    # 例えばPhysicsとChemistryの2列でクラスタリング
    model.fit(df[["Physics","Chemistry"]])
    
    # クラスタ番号をDataFrameに追加
    df["Cluster"] = model.labels_
    
    # 結果をコンソールに表示
    print(df.head(10))
    
    # CSVに出力 (cluster_result.csv)
    df.to_csv("cluster_result.csv", index=False)
    print("クラスタリング結果を cluster_result.csv に保存しました。")

# 実行例
clustering_example("science_data.csv", n_clusters=3)

   Physics  Biology  Chemistry  Cluster
0       83       56         68        2
1       95       82         95        0
2       85       66         78        2
3       56       54         59        1
4       43       69         58        1
5       99       98         74        0
6       73       78         62        2
7       90       85         87        0
8       51       63         60        1
9      100       99         76        0
クラスタリング結果を cluster_result.csv に保存しました。

import pandas as pd
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans

def plot_clustered_scatter(csv_file="science_data.csv", n_clusters=3):
    """
    DataFrameを読み込み、Physics, Chemistryの2変数を使ってKMeansクラスタリングし、
    その結果を散布図として表示・保存するサンプル関数。
    """
    df = pd.read_csv(csv_file, encoding="utf_8")
    
    # KMeansモデルの作成と学習
    model = KMeans(n_clusters=n_clusters)
    model.fit(df[["Physics","Chemistry"]])
    
    # 結果のクラスタ番号を追加
    df["Cluster"] = model.labels_
    
    # 散布図: c=クラスタ番号 で色分け、edgecolorやサイズなども調整可能
    ax = df.plot.scatter(
        x="Physics",
        y="Chemistry",
        c=df["Cluster"],     # クラスタ番号を色として使う
        s=100,
        edgecolor="black",
        figsize=(6, 6)
    )
    
    # 図を保存
    plt.savefig("cluster_scatter.png")
    
    # 画面表示
    plt.show()

# 実行例
plot_clustered_scatter("science_data.csv", n_clusters=3)