Задание 27
тема 9 из 9

Кластеризация точек

В задании 27 программа читает файл с данными, очищает их и разбивает объекты на кластеры — группы близких точек или близких значений. Центр кластера — его точка с наименьшей суммой расстояний до остальных точек того же кластера. Из центров и отобранных точек считают две величины, а в ответ пишут целые части этих величин, умноженных на 10 000, одной строкой из двух чисел.

Реже в задании27На карте навыков

Порядок решения задания 27

Кластеризация — разбиение множества объектов на непересекающиеся непустые группы (кластеры) так, чтобы объекты одной группы были близки друг к другу. В ЕГЭ 2027 дан один файл, а ответ — одна строка из двух чисел.

  • Чтение: замените десятичную запятую точкой, line.replace(',', '.'), и разбейте строку по пробелам и табуляциям, split(). Пропустите строку заголовка.
  • Кластеры по одному числу: отсортируйте значения и разрежьте там, где соседние значения отличаются сильно.
  • Кластеры на плоскости: соединяйте точки, которые ближе rr, и проверьте, что кластеров столько, сколько сказано в условии.
  • Центр кластера: для каждой точки кластера найдите сумму расстояний до остальных его точек и возьмите точку с наименьшей суммой.
  • Ответ: целая часть величины, умноженной на 10 000, — int(q * 10000).

Чтение и очистка данных

Очистка данных — подготовка сырых данных к расчёту: найти и исправить несовместимые форматы, пропуски и повторы. В файлах задания 27 дробная часть отделена запятой, а Python понимает только точку: float('5,01') даёт ошибку. Значения в строке разделены одним или несколькими пробелами или табуляциями; split() без аргументов делит строку по любой такой группе.

Первая строка может быть заголовком, например X Y: float не может её прочитать, и её пропускают через try и except ValueError. В строке может не быть части признака: у белого карлика нет спектрального класса, и признак — просто VII, без буквы и цифры, как в G2V. Повторы строк находят сравнением len(lines) и len(set(lines)).

Пример

Прочитайте строки «X Y», «5,01788 8,32466 G2V», «4,289251 (табуляция) 6,955186 (четыре пробела) VII», «4,619358 5,524697 B7V» в список точек с признаком.

  1. 1.В каждой строке меняем запятые на точки и делим её через split().
  2. 2.Строка X Y: float('X') даёт ValueError, строку пропускаем.
  3. 3.Табуляция и четыре пробела работают как один разделитель, третья строка даёт три поля.
  4. 4.Программа печатает три точки: (5.01788, 8.32466, 'G2V'), (4.289251, 6.955186, 'VII'), (4.619358, 5.524697, 'B7V').

Ответ: три точки, заголовок пропущен

Кластеры по одному числу

Иногда объекты делят на кластеры по одной величине, которую считают по строке файла. Например, кинетическая энергия частицы массы mm со скоростью (Vx;Vy)(V_x; V_y) равна E=m(Vx2+Vy2)2E = \dfrac{m(V_x^2 + V_y^2)}{2}. Условие говорит, что в каждом кластере значения отличаются не больше чем на RR.

Отсортируйте значения. Внутри кластера соседние значения близки, а между кластерами есть разрыв. Идите по упорядоченному списку и начинайте новый кластер там, где разность соседних значений больше выбранного порога. Затем проверьте результат: число кластеров равно числу из условия, а разность наибольшего и наименьшего значения в каждом кластере не больше RR.

Пример

Энергии частиц: 5,3; 1,2; 9,0; 2,0; 4,6; 8,4; 1,6; 5,0; 9,4; 2,4; 5,8; 8,8. Известно, что кластеров три и R=2R = 2. Разбейте частицы на кластеры.

  1. 1.По возрастанию: 1,2; 1,6; 2,0; 2,4; 4,6; 5,0; 5,3; 5,8; 8,4; 8,8; 9,0; 9,4.
  2. 2.Соседние значения внутри групп отличаются не больше чем на 0,5, а между группами — на 2,2 и 2,6. Берём порог 1.
  3. 3.Кластеры: от 1,2 до 2,4, от 4,6 до 5,8, от 8,4 до 9,4. Их три, ширина каждого не больше 1,2, это меньше RR.

Ответ: три кластера по 4 частицы

Кластеры на плоскости

Точки на плоскости объединяют по расстоянию d(A,B)=(x2−x1)2+(y2−y1)2d(A, B) = \sqrt{(x_2 - x_1)^2 + (y_2 - y_1)^2}, в Python — math.dist(a, b). Выберите порог rr. Возьмите любую точку и добавьте в её кластер все точки ближе rr к ней, затем все точки ближе rr к добавленным, и так, пока новые точки находятся. Оставшиеся точки дают следующие кластеры.

Порог подбирают по результату. Если кластеров больше, чем в условии, и среди них есть группы из одной-двух точек, увеличьте rr. Если кластеров меньше, уменьшите rr. Другой способ — построить точечную диаграмму в электронной таблице, найти прямые, которые разделяют группы, и отнести точку к кластеру условием вида x < 10.

Пример

Точки: (1; 1), (2; 1), (1; 2), (2,5; 2), (7; 6), (8; 6), (7; 7,2). Разбейте их на кластеры с порогом r=1,5r = 1{,}5.

  1. 1.Начинаем с (7; 7,2): ближе 1,5 к ней только (7; 6). От (7; 6) добавляется (8; 6). Кластер из трёх точек.
  2. 2.Из оставшихся точек берём (2,5; 2): ближе 1,5 к ней только (2; 1). От (2; 1) добавляются (1; 1) и (1; 2). Второй кластер из четырёх точек.
  3. 3.Расстояние между кластерами больше 5, порог 1,5 их не соединяет. Программа печатает два кластера.

Ответ: два кластера: 4 точки и 3 точки

Центр кластера

Центр кластера в задании 27 — та его точка, для которой сумма расстояний до всех остальных точек этого кластера наименьшая. Центр всегда одна из точек кластера, а не среднее их координат. Для каждой точки кластера считают сумму расстояний до всех точек кластера и выбирают точку с наименьшей суммой. Расстояние от точки до себя равно 0, поэтому его можно не исключать.

Если кластеры построены по одной величине, расстояние — модуль разности значений, abs(a - b). На кластер из nn точек уходит n2n^2 шагов: при 3 000 точках это около 10710^7 шагов, несколько секунд. Короткая запись поиска центра — min(c, key=lambda a: sum(dist(a, b) for b in c)).

Пример

Кластер состоит из точек (0; 0), (1; 0), (2; 0), (1; 3). Найдите его центр.

  1. 1.Для (0; 0): 1+2+10≈6,1621 + 2 + \sqrt{10} \approx 6{,}162.
  2. 2.Для (1; 0): 1+1+3=51 + 1 + 3 = 5.
  3. 3.Для (2; 0): 2+1+10≈6,1622 + 1 + \sqrt{10} \approx 6{,}162; для (1; 3): 10+3+10≈9,325\sqrt{10} + 3 + \sqrt{10} \approx 9{,}325.
  4. 4.Наименьшая сумма 5 у точки (1; 0). Программа печатает четыре суммы и центр.

Ответ: (1; 0)

Величины по центрам и запись ответа

После центров считают величины, которые просит условие: среднее координат центров, расстояние между центрами двух кластеров, наибольшее расстояние между точками одного кластера с заданным признаком. Наибольшее расстояние в группе ищут двойным циклом по её точкам.

Ответ — целая часть величины, умноженной на 10 000: int(q * 10000). int отбрасывает дробную часть, а не округляет: 2,62165⋅10 000=26216,52{,}62165 \cdot 10\,000 = 26216{,}5 даёт 26216. Если условие просит абсолютное значение, возьмите abs. Программа ниже собирает все шаги для файла с двумя кластерами и печатает размеры кластеров и два числа.

from math import distpoints = []for line in open('27_A.txt'):    p = line.replace(',', '.').split()    try:        points.append((float(p[0]), float(p[1])))    except ValueError:        continuerest = points[:]clusters = []while rest:    group = [rest.pop()]    for a in group:        near = [b for b in rest if dist(a, b) < 2]        for b in near:            rest.remove(b)        group.extend(near)    clusters.append(group)print([len(c) for c in clusters])centres = [min(c, key=lambda a: sum(dist(a, b) for b in c)) for c in clusters]px = sum(c[0] for c in centres) / len(centres)py = sum(c[1] for c in centres) / len(centres)print(int(abs(px * 10000)), int(abs(py * 10000)))

Пример задания

Открытый банк ФИПИ

Задание выполняется с использованием прилагаемых файлов.

Фрагмент звёздного неба спроецирован на плоскость с декартовой системой координат. Учёный решил провести кластеризацию полученных точек, являющихся изображениями звёзд, то есть разбить их множество на N непересекающихся непустых подмножеств (кластеров), таких, что точки каждого подмножества лежат внутри прямоугольника со сторонами длиной H и W, причём эти прямоугольники между собой не пересекаются. Стороны прямоугольников не обязательно параллельны координатным осям. Гарантируется, что такое разбиение существует и единственно для заданных размеров прямоугольников.
Будем называть центром кластера точку этого кластера, сумма расстояний от которой до всех остальных точек кластера минимальна. Для каждого кластера гарантируется единственность его центра. Расстояние между двумя точками на плоскости A(x1, y1) и B(x2, y2) вычисляется по формуле:

d(A,B)=(x2−x1)2+(y2−y1)2 d(A, B) = \sqrt{(x_2 - x_1)^2 + (y_2 - y_1)^2}

В файле А хранятся координаты точек двух кластеров, где H = 6, W = 6 для каждого кластера. В каждой строке записана информация о расположении на карте одной точки: сначала координата x, затем координата y. Известно, что количество точек не превышает 1000.
В файле Б хранятся координаты точек трёх кластеров, где H = 8, W = 8 для каждого кластера. Известно, что количество точек не превышает 10 000. Структура хранения информации в файле Б аналогична структуре в файле А.

Для каждого файла определите координаты центра каждого кластера, затем вычислите два числа: Px – среднее арифметическое абсцисс центров кластеров, и Py – среднее арифметическое ординат центров кластеров.
В ответе запишите четыре числа: в первой строке – сначала абсолютное значение целой части произведения Px × 10 000, затем абсолютное значение целой части произведения Py × 10 000 для файла А; во второй строке – аналогичные данные для файла Б.
Возможные данные одного из файлов проиллюстрированы графиком.

Внимание! График приведён в иллюстративных целях для произвольных значений, не имеющих отношения к заданию. Для выполнения задания используйте данные из прилагаемого файла.

1_27_A.txt

1_27_A.xlsx

1_27_B.txt

1_27_B.xlsx

Отбор точек по признаку

Часто величину считают не по всем точкам, а по точкам с признаком. Признак звезды записан одной строкой: спектральный класс (буква O, B, A, F, G, K, M), подкласс (цифра) и класс светимости (римское число). В строке M2III класс s[0], а светимость s[2:]. Красный гигант — класс M и светимость III, оранжевый гигант — K и III, жёлтый карлик — G и V.

У белого карлика признак VII: его первая буква V не обозначает спектральный класс, поэтому проверка s[0] == 'M' его не пропустит. Число точек с признаком в кластере считают так: sum(1 for p in c if p[2][0] == 'K' and p[2][2:] == 'III').

Пример задания

Открытый банк ФИПИ

Фрагмент звёздного неба спроецирован на плоскость с декартовой системой координат. Учёный решил провести кластеризацию полученных точек, являющихся изображениями звёзд, то есть разбить их множество на N непересекающихся непустых подмножеств (кластеров), таких, что точки каждого подмножества лежат внутри прямоугольника со сторонами длиной H и W, причём эти прямоугольники между собой не пересекаются. Стороны прямоугольников не обязательно параллельны координатным осям. Гарантируется, что такое разбиение существует и единственно для заданных размеров прямоугольников.
Будем называть центром кластера точку (звезду) этого кластера, сумма расстояний от которой до всех остальных его точек минимальна. Для каждого кластера гарантируется единственность его центра. Расстояние между двумя точками на плоскости A(x1, y1) и B(x2, y2) вычисляется по формуле:

d(A,B)=(x2−x1)2+(y2−y1)2 d ( A , B ) = \sqrt{ ( x_2 - x_1 )^2 + ( y_2 - y_1 )^2 }

Каждая звезда помимо координат на плоской карте характеризуется своим спектральным классом и классом светимости. Спектральный класс определяет цвет (который связан с температурой звезды) следующим образом.

Обозначение спектрального класса (латинская буква) O B A F G K M
Цвет звезды Голубой Бело-голубой Белый Жёлто-белый Жёлтый Оранжевый Красный


Каждый из спектральных классов, в свою очередь, делится на подклассы от 0 до 9 в порядке уменьшения температуры. Обозначение подкласса ставится после обозначения спектрального класса (например, B2).
Класс светимости звезды обозначим римскими цифрами от I до VII.

Обозначение класса светимости I II III IV V VI VII
Светимость Сверхгигант Яркий гигант Гигант Субгигант Карлик Субкарлик Белый карлик


В файле A хранится информация о точках двух кластеров, где H = 6,0 и W = 5,5 для каждого кластера. В каждой строке сначала записана информация о расположении на карте одной звезды: координата x, затем координата y. Далее в той же строке для звёзд классов светимости I–VI указываются спектральный класс, подкласс и класс светимости. Обозначения классов ничем не разделяются. Для звёзд класса светимости VII (Белый карлик) обозначения спектрального класса и подкласса в файле не указываются. Известно, что количество точек не превышает 2000.

В файле Б хранятся координаты точек трёх кластеров, где H = 6,0, W = 5,5 для каждого кластера. Известно, что количество точек не превышает 10 000. Структура хранения информации в файле Б аналогична структуре в файле А.

Для файла А определите координаты центра каждого кластера, затем найдите два числа: Ax и Ay – абсциссу и ординату красного гиганта, ближайшего к центру кластера, который содержит наименьшее количество точек.
Для файла Б определите координаты центра каждого кластера, затем найдите два числа: B1 – расстояние между центрами кластеров с наименьшим и наибольшим количеством оранжевых гигантов и B2 – наибольшее расстояние между жёлтыми карликами одного кластера.

В ответе запишите четыре числа: в первой строке – сначала целую часть абсолютной величины произведения Ax × 10 000, затем целую часть абсолютной величины произведения Ay × 10 000; во второй строке – сначала целую часть произведения B1 × 10 000, затем целую часть произведения B2 × 10 000.

Пример организации данных в одном из исходных файлов для случая четырёх звёзд
5,01788 8,32466 G2V
4,289251 6,955186 VII
4,619358 5,524697 B7V
6,91934 20,425391 G2V

Внимание! Пример приведён в иллюстративных целях для произвольных значений, не имеющих отношения к заданию. Для выполнения задания используйте данные из прилагаемых файлов.

1_27_A.txt

1_27_B.txt

Потренируйте навык

Все задания на этот навык

Решать