import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
import sklearn as skl
from matplotlib import cm
from sklearn.cluster import KMeans
%matplotlib inline

"Выбираем три точки на плоскости"
c0x=[-3, 3, 0]
c0y=[-3, -3,3]

kolvo=30
R=3.0
c_r=np.random.random((kolvo,3))
c_phi=np.random.random((kolvo,3))
class_x=np.zeros((kolvo,3),dtype=float)
class_y=np.zeros((kolvo,3),dtype=float)
"Переход от полярной к Декартовой СК"
for k in range(0,3):
    for j in range(1,kolvo):
        class_x[j][k]=R*c_r[j][k]*np.cos(c_phi[j][k]*2.0*np.pi)+c0x[k]
        class_y[j][k]=R*c_r[j][k]*np.sin(c_phi[j][k]*2.0*np.pi)+c0y[k]
X=np.transpose([class_x.flatten(),class_y.flatten()])

"Разбиваем на три класса"
kmeans=KMeans(n_clusters=3,random_state=0).fit(X)

plt.figure(1)

plt.plot(class_x[:,0],class_y[:,0],'r.')
plt.plot(class_x[:,1],class_y[:,1],'g.')
plt.plot(class_x[:,2],class_y[:,2],'b.')
plt.plot(c0x,c0y,'ko')
#plt.plot(X[:,0],X[:,1],'b.')
plt.grid()
plt.title('Исходные кластеры с заданными центрами')
plt.show()

Xc=kmeans.cluster_centers_
colr=(kmeans.labels_)/2.0
plt.figure(2)
plt.scatter(X[:,0],X[:,1],c=colr)
plt.plot(Xc[:,0],Xc[:,1],'ro')
plt.grid()
plt.title('Результат кластеризации')
plt.show()

# Загружаем данные из wine dataset
# Число классов у него равно 3
features, target = load_wine(return_X_y=True)
# Также загружаем полный набор
data = load_wine()
# Выводим описание набора данных
print(data['DESCR'])