Python 3.x 用于k-means聚类的Python形状函数

我有一张geotiff灰度图像，它给了我43776172二维阵列。在第一部分中，我考虑的是：1024，：1024值对于我的压缩算法，总值是->1024*1024=1048576。通过该算法，我将通过该算法在finalmatrix列表变量中获得总共4个值。在此之后，我将对这些值应用K-均值算法。计划如下：

将numpy作为np导入 从osgeo导入gdal 从sklearn导入集群 将matplotlib.pyplot作为plt导入 数据集=gdal.Open1.tif band=dataset.GetRasterBand1 img=带.ReadAsArray finalmat=[255,0,2,2] 将列表转换为数组以进行维度更改 ay=np.asarrayfinalmat.重塑-1,1 图=plt.figure k_表示聚类。KMeansn_聚类=2 k_的意思是fitay 聚类平均值=k\u平均值。聚类中心。挤压 a_集群=k_表示标签_ 打印“观察结果：”，ay.shape 打印“群集表示：”，群集表示 a_.shape=img.shape fig=plt.figurefigsize=125125 ax=plt.子地块2,4,8 plt.轴“关闭” xlabel=str1，“集群” ax.set_标题标签 plt.imshowa_集群 节目 图savefig'kmeans-1 clust ndvi08jan2010_guj 12.png'

---

在一维数据上使用KMeans没有多大意义

而且在4x1阵列上使用它的意义就更小了

你的站点来源于这样一个事实：你不能仅仅将一个4x1整数数组调整为一个大图片

只需打印要打印的数组。它可能包含[0,1,1,1]