### 动态聚类可视化与窗口调整 在 Python 中，可以使用 `matplotlib` 的动画模块结合 `scikit-learn` 的 `KMeans` 算法生成一个动态变化的聚类效果图，并且对窗口大小和坐标轴字体进行自定义设置。通过这种方式，能够直观展示不同聚类数量下的数据分布变化。 以下是一个完整的示例代码，展示了如何实现这一目标： ```python import numpy as np import matplotlib.pyplot as plt from sklearn.cluster import KMeans from sklearn.datasets import make_blobs from matplotlib.animation import FuncAnimation # 生成随机数据 X, y = make_blobs(n_samples=300, centers=5, random_state=42) # 设置动画参数 fig, ax = plt.subplots(figsize=(10, 6)) # 调整窗口大小为10x6英寸 ax.set_title('Dynamic Clustering Visualization', fontsize=16) # 设置标题字体大小 ax.tick_params(axis='both', labelsize=16) # 设置坐标轴标签字体大小 k_range = range(1, 6) # 聚类数从1到5 def update(frame): ax.clear() k = k_range[frame] kmeans = KMeans(n_clusters=k, random_state=42) labels = kmeans.fit_predict(X) # 绘制每个聚类的数据点 for i in range(k): ax.scatter(X[labels == i, 0], X[labels == i, 1], label=f'Cluster {i+1}') ax.set_title(f'K-Means Clustering with k={k}', fontsize=16) ax.tick_params(axis='both', labelsize=16) ax.legend() # 创建动画 ani = FuncAnimation(fig, update, frames=len(k_range), repeat=False, interval=2000) # 保存为GIF ani.save('dynamic_clustering_animation.gif', writer='pillow') # 需要安装Pillow库 ``` ### 关键功能说明 - **窗口大小**：通过 `figsize=(10, 6)` 设置窗口大小，可以根据需要进一步调整。 - **字体大小**：通过 `ax.set_title()` 和 `ax.tick_params()` 设置标题和坐标轴标签的字体大小为 16。 - **动画保存**：使用 `FuncAnimation` 生成动画，并通过 `ani.save()` 方法将其保存为 `.gif` 文件格式，支持在网页或文档中直接嵌入播放。 --- ### 扩展功能建议 如果希望将动画保存为 `.mp4` 格式而不是 `.gif`，则需要安装 `ffmpeg` 并使用 `FFMpegWriter` 替代 `Pillow` 进行导出[^1]。此外，在 Jupyter Notebook 中也可以直接显示该动画： ```python from IPython.display import HTML HTML(ani.to_jshtml()) ``` ---