df = pd.read_csv("../kmeans/gene.fpkm.csv",header=None)

print df.head()

#去掉第一行

tdf = df.drop(index=[0])

#去掉第一列

mdf = tdf.drop([0],axis=1)

#获取第一列作为行的名称

rownames=tdf[0]

#获取第一行作为列的名称

gene=df.loc[0][1:]

#修改原始数据库的行列名

mdf.rename(index=rownames, columns=gene, inplace=True)

from sklearn.cluster import KMeans

seed = 9 # 设置随机数

clf = KMeans(n_clusters=3, random_state=seed) # 聚类

clf.fit(mdf)

mdf['label'] = clf.labels_ # 对原数据表进行类别标记

c = mdf['label'].value_counts()