PythonとK-meansを使ったFizzbuzz

誰かがやっていそうだと思っていたら、意外にもやっていなかったので、やってみる。

#環境

• Anakonda3
• JupyterNoteBook5.0.0

#コード

FizzBuzz+with+KMeans.py

import numpy as np
from sklearn.cluster import KMeans
result=KMeans(n_clusters=4,n_jobs=-1).fit_predict(np.array([np.tile([0,0,1],30),np.tile([0,0,0,0,1],18)]).T)
print(['FizzBuzz' if t == result[14] else 'Fizz' if t == result[2] else 'Buzz' if t == result[4] else 0 for t in result])

#解説
###モジュールのインポート

import numpy as np
from sklearn.cluster import KMeans

K-means法で機械学習を行うためにskleran.clusterを、行列を扱うためにnumpyをインポートしている。

###データの作成・準備

palameter = 6
array_A=np.tile([0,0,1],palameter*5)
array_B=np.tile([0,0,0,0,1],palameter*3)

１～９０の範囲において、以下の配列を作成した。

• ３の倍数[Fizz]にフラグを立てた配列をarray_A
• ５の倍数[Buzz]にフラグを立てた配列をarray_B

配列のインデックスを利用しているため、実際の値から－１されていることに注意しておく。

###準備

array_X=np.array([array_A,array_B])
array_Y=array_X.T

先ほど作成したデータを結合してから転置、そうしないとK-meansが行えない。

###実行

array_V=KMeans(n_clusters=4,n_jobs=-1).fit_predict(array_Y) #KMeansを使用して４つのクラスターに分けた結果をarray_Vに代入。

４つのクラスター( [FizzBuzz] / [Fizz] / [Buzz] / [Other] )に分かれる。

###出力

for temp in array_V:
    if temp == array_V[2]: print('Fizz')
    elif temp == array_V[4]: print('Buzz')
    elif temp == array_V[14]: print('FizzBuzz')
    else: print(0)

• ３（１５の倍数を除く）
• ５の倍数（１５の倍数を除く）
• １５の倍数
• それ以外

に事前に分かれているため、特に順番を気にする必要はない。

#リンク
###参考
scikit-learn でクラスタ分析 (K-means 法)
numpyの使い方
NumPy入門 サンプル集
Pythonの数値計算ライブラリ NumPy入門
###ソース
github