这是我在3属性(x,y,value)中处理数据聚类的简单示例.每个样本代表其位置(x,y)及其所属变量.

我的代码发布在这里：

x = np.arange(100,200,1)
y = np.arange(100,1)
value = np.random.random(100*100)

xx,yy = np.meshgrid(x,y)
xx = xx.reshape(100*100)
yy = yy.reshape(100*100)
j = np.dstack((xx,yy,value))[0,:,:]

fig = plt.figure(figsize =(12,4))
ax1 = plt.subplot(121)
xi,yi = np.meshgrid(x,y)
va    = value.reshape(100,100)
pc = plt.pcolormesh(xi,yi,va,cmap = plt.cm.Spectral)
plt.colorbar(pc)

ax2 = plt.subplot(122)
y_pred = KMeans(n_clusters=12,random_state=random_state).fit_predict(j)
vb = y_pred.reshape(100,100)
plt.pcolormesh(xi,vb,cmap = plt.cm.Accent)

这个数字如下：

如何识别每个聚类区域的边界并勾画它们以加强可视化效果.

PS

这是我手动绘制的插图.我需要的是识别聚类边界并用线条描绘它们.

PPS

我发现了一个有趣的问题here试图在R中绘制聚类区域的边界

更新

我尝试了子程序后：

for i in range(n_cluster):
    plt.contour(vb ==i contours=1,colors=['b']) 

完成！