# -*- coding: utf-8 -*-
"""
In the general case, we have a "target function" that we want to minimize,
and we also have its "gradient function". Also, we have chosen a starting
value for the parameters "theta_0".
"""
#### K-均值聚類支援函式
from numpy import *
#import kMeans_my
#from numpy import *



#import kMeans_my
 

#from numpy import *

###匯入資料
def loadDataSet(fileName):      #general function to parse tab -delimited floats
    dataMat = []                #assume last column is target value
    fr = open(fileName)
    for line in fr.readlines():
        curLine = line.strip().split('\t')
        fltLine = map(float,curLine)     #map all elements to float()
 

        dataMat.append(fltLine)
    return dataMat
#dataMat = mat(kMeans_my.loadDataSet('testSet.txt'))
#定義兩個向量的歐氏距離。
def distEclud(vecA,vecB):

    return sqrt(sum(power(vecA-vecB,2)))

## 構建簇質心   #初始化k個簇的質心函式centroid
#傳入的資料是Numpy的矩陣格式。
def randCent(dataSet,k):
    n = shape(dataSet)[1]
    centroids = mat(zeros((k,n)))
    for
 
 j in range(n):
        minJ = min(dataSet[:,j])  #找出矩陣dataMat第J列最小值。
        rangeJ = float(max(dataSet[:,j])-minJ) #計算第J列最大值最小值之差。
        #賦予一個隨機質心，它的值在整個資料集的邊界之內。
        centroids[:,j] = minJ + rangeJ * random.rand(k,1)
    return centroids   #返回一個隨機的質心矩陣


# import kMeans_my
# from numpy import *
# dataMat = mat(kMeans_my.loadDataSet('testSet.txt'))
# min(dataMat[:,0])
# min(dataMat[:,1])
# max(dataMat[:,1])
# max(dataMat[:,0])
# kMeans_my.randCent(dataMat,2)
#kMeans_my.distEclud(dataMat[0],dataMat[1])


### k-均值聚類演算法
def kMeans(dataSet,k,distMeas=distEclud,createCent = randCent):
    m = shape(dataSet)[0]    # 獲得行數m
    clusterAssment = mat(zeros((m,2)))   #初始化一個矩陣，用來記錄簇索引和儲存誤差。
    centroids = createCent(dataSet,k)     #隨機的得到一個質心矩陣簇。
    clusterChanged = True
    while clusterChanged:
        clusterChanged = False
        for i in range(m):  #對每個點尋找最近的質心
            minDist= inf
            minIndex = -1
            for j in range(k):  #遍歷質心簇，尋找最近質心
                distJI = distMeas(centroids[j,:],dataSet[i,:])  #計算資料點和質心的歐氏距離
                if distJI < minDist:
                    minDist = distJI
                    minIndex = j
            if clusterAssment[i,0] != minIndex:
                clusterChanged =True
            clusterAssment[i,:] = minIndex, minDist**2
        print centroids
        for cent in range(k):  #更新質心位置。
                ptsInClust = dataSet[nonzero(clusterAssment[:,0].A==cent)[0]]
                # print clusterAssment[:,0].A;
                #print clusterAssment[:,0].A==cent;
                print nonzero(clusterAssment[:,0].A==cent);
                print nonzero(clusterAssment[:,0].A==cent)[0];
                centroids[cent,:] = mean(ptsInClust,axis=0)
                print centroids[cent,:]
    return centroids,clusterAssment

# myCentroids, clusteAssing = kMeans_my.kMeans(dataMat, 4)
#dataMat = mat(kMeans_my.loadDataSet('testSet.txt'))
#kMeans(dataMat,4);


###二分K-均值聚類演算法
import kMeans_my
dataMat3 = mat(kMeans_my.loadDataSet('testSet2.txt'))
def biKmeans(dataSet,k,distMeas=distEclud):
    m = shape(dataSet) [0]
    clusterAssment = mat(zeros((m,2)))
    centroid0 = mean(dataSet,axis=0).tolist()[0]      #tolist()生成list。    axis=0 為列
    centList = [centroid0]
    for j in range(m):                   # 按行
        clusterAssment[j,1] = distMeas(mat(centroid0),dataSet[j,:])**2  # 求距離

    ###對簇劃分
    while (len(centList) < k):
        lowestSSE = inf
        for i in range(len(centList)):     # len(centList) <= k
            ptsInCurrCluster = \
                     dataSet[nonzero(clusterAssment[:,0].A == i)[0],:]    # 列[:,0] 每個簇所有點視為一個小資料集。 i 第i個簇 。  取出第i個簇的所有資料，返回行號，對應到資料集的行。
            centroidMat, splitClustAss = \
                     kMeans(ptsInCurrCluster,2,distMeas)       # 對每個簇劃為2，距離度量。   返回質心和簇劃分（索引，距離）
            sseSplit = sum(splitClustAss[:, 1])                #誤差
            sseNotSplit = \
                    sum(clusterAssment[nonzero(clusterAssment[:,0].A != i)[0],1])     #簇誤差
            print "sseSplit, and notSplit:",sseSplit,sseNotSplit
            # 返回 centroidMat,splitClustAss
            ####實際劃分簇操作
            if (sseSplit + sseNotSplit) < lowestSSE:
                bestCentToSplit = i
                bestNewCents = centroidMat
                bestClustAss = splitClustAss.copy()
                lowestSSE = sseSplit + sseNotSplit
        bestClustAss[nonzero(bestClustAss[:0].A==1)[0],0] = len(centList)           #編號為0 ， 1 的結果簇。
        bestClustAss[nonzero(bestClustAss[:,0].A==0)[0],0] = bestCentToSplit
        print 'the bestCentToSplit is:' , bestCentToSplit
        print 'the len of bestClustAss is:' , len(bestClustAss)
        centList[bestCentToSplit] = bestNewCents[0,:]          # 簇bestCentToSplit的質心座標
        centList.append(bestNewCents[1,:])                     # 簇bestCentToSplit的質心座標新增到質心矩陣
        clusterAssment[nonzero(clusterAssment[:,0].A == bestCentToSplit)[0],:] = bestClustAss    # clusterAssment的行座標更新為splitClustAss某簇的行座標。
    return mat(centList), clusterAssment      #返回質心座標，簇的行

#dataMat3 = mat(kMeans_my.loadDataSet('testSet2.txt'))
# centList, myNewAssments = kMeans_my.biKmeans(dataMat3,3)
# centList
###雅虎提供API，給定地址返回地址對應的經度緯度。
import urllib
import json
###對一個地址進行地理編碼
def geoGrab(stAddress, city):      #從雅虎返回一個字典
    apiStem = 'http://where.yahooapis.com/geocode?'  #create a dict and constants for the goecoder
    params = {}      #建立字典，為字典設定值。
    params['flags'] = 'J'#JSON return type
    params['appid'] = 'aaa0VN6k'
    params['location'] = '%s %s' % (stAddress, city)
    url_params = urllib.urlencode(params)       #字典轉換為字串。
    yahooApi = apiStem + url_params      #print url_params
    print yahooApi
    c=urllib.urlopen(yahooApi)     #開啟URL讀取，URL傳遞字串
    return json.loads(c.read())    #將json格式解碼為字典。

from time import sleep
def massPlaceFind(fileName):      #封裝資訊，並儲存到檔案。
    fw = open('places.txt', 'w')  #開啟一個以tab分隔的文字檔案
    for line in open(fileName).readlines():
        line = line.strip()
        lineArr = line.split('\t')
        retDict = geoGrab(lineArr[1], lineArr[2])     #獲取第2,3列結果
        if retDict['ResultSet']['Error'] == 0:        #輸出字典看有沒有錯誤
            lat = float(retDict['ResultSet']['Results'][0]['latitude'])   #若無錯誤，則讀取經緯度。
            lng = float(retDict['ResultSet']['Results'][0]['longitude'])
            print "%s\t%f\t%f" % (lineArr[0], lat, lng)
            fw.write('%s\t%f\t%f\n' % (line, lat, lng))    #新增到原來對應的行，同時寫到新檔案中。
        else: print "error fetching"
        sleep(1)      #休眠，防止頻繁呼叫。
    fw.close()
#import kMeans_my
#geoResults = kMeans_my.geoGrab('1 VA Center','Augusta,ME')
#geoResults


#####對地理座標進行聚類
###球面距離計算
def distSLC(vecA, vecB):    #球面餘弦定理
    a = sin(vecA[0,1]*pi/180) * sin(vecB[0,1]*pi/180)       #pi/180轉換為弧度 ，pi  ,numpy
    b = cos(vecA[0,1]*pi/180) * cos(vecB[0,1]*pi/180) * \
                      cos(pi * (vecB[0,0]-vecA[0,0]) /180)
    return arccos(a + b)*6371.0

####簇繪圖函式
import matplotlib
import matplotlib.pyplot as plt
def clusterClubs(numClust=5):   #希望得到簇數目為5
    datList = []               # 初始化，建立新列表
    #####將文字檔案的解析、聚類及畫圖都封裝在一起
    ##檔案解析
    for line in open('places.txt').readlines():     #對於讀取檔案的行，for迴圈。
        lineArr = line.split('\t')
        datList.append([float(lineArr[4]), float(lineArr[3])])   #獲取文字第5,4列；這兩列分別對應著經度和緯度。並新增到建立的新列表datList中。
    dataMat = mat(datList)       #將基於經緯度建立的列表datList矩陣化。
    ##聚類
    myCentroids, clustAssing = biKmeans(dataMat, numClust, distMeas=distSLC)   #呼叫Kmeans函式，並使用球面餘弦定理計算距離，返回myCentroids, clustAssing。
    fig = plt.figure()  #視覺化簇和簇質心。
    ####為了畫出這幅圖，首先建立一幅畫，一個矩形
    rect = [0.1, 0.1, 0.8, 0.8]   #建立矩形。
    scatterMarkers = ['s', 'o', '^', '8', 'p', \
                      'd', 'v', 'h', '>', '<']     #使用唯一標記來標識每個簇。
    axprops = dict(xticks=[], yticks=[])
    ax0 = fig.add_axes(rect, label='ax0', **axprops)    #繪製一幅圖，圖0
    imgP = plt.imread('Portland.png')    #呼叫 imread 函式，基於一幅影象，來建立矩陣。
    ax0.imshow(imgP)              #呼叫imshow ，繪製（基於影象建立）矩陣的圖。
    ax1 = fig.add_axes(rect, label='ax1', frameon=False)    #繪製衣服新圖，圖1。 作用：使用兩套座標系統（不做任何偏移或縮放）。
    ###遍歷每個簇，把它畫出來。
    for i in range(numClust):     # 簇號迴圈。
        ptsInCurrCluster = dataMat[nonzero(clustAssing[:, 0].A == i)[0], :]   #挑選出該簇所有點。
        markerStyle = scatterMarkers[i % len(scatterMarkers)]      #從前面建立的標記列表中獲得標記。使用索引i % len(scatterMarkers)選擇標記形狀。 作用：更多的圖可以使用這些標記形狀。
        ax1.scatter(ptsInCurrCluster[:, 0].flatten().A[0], ptsInCurrCluster[:, 1].flatten().A[0], marker=markerStyle,s=90)
        #每個簇的所有點ptsInCurrCluster，根據標記畫出圖形。
    ax1.scatter(myCentroids[:, 0].flatten().A[0], myCentroids[:, 1].flatten().A[0], marker='+', s=300)    #使用 + 標記來表示簇中心，並在圖中顯示。
    plt.show()