import csv
import pandas as pd


# Zapiszmy któryś plik do zmiennej data
from sklearn.cluster import KMeans

data = [] # Tworzymy pustą listę
with open("data/leukemia.tab.txt") as file: # Zapis, żeby otworzyć plik
    reader = csv.reader(file, delimiter='\t') # Ustalenie obiektu to wczytywania z ustawieniem, że w pliku dane podzielione są tabulatorem
    for row in reader: # Iteracja, czyli w pętli lecimy po kazej linijce pliku od góry do dołu
       if len(row) > 2: # Jeżeli w linijce są mniej niż 2 dane to znaczyny, że jest to nagłowek, więc pomijamy
           data.append(row) # Linijke dłuższa niż 2 dodajemy do naszej listy 'data'
print("Linia 1 po wczytaniu:", "\n", data[0], '\n') # Zobaczmy naszą 1 linijke czy dobrze sie wczytało i czy czasem nie jest nagłowkiem


# Przekształcamy do typu DataFrame żeby lepiej sie operowało danymi.
# Lista nie była zła, ale jak zrobimy z tego DataFrame to się łatwiej wykonuje obliczenia na tych danych. Mamy więcej funkcji wbudowanych.
# Na przykład transponowanie.
print("\nPrzed obroceniem:")
data_frame = pd.DataFrame(data)
print(data_frame.head())  # Zobaczmy kilka pierwszych (5) linijek
print(data_frame.tail())  # Zobaczmy kilka ostatnich


# Transponowanie macierzy (tak to sie chyba matematycznie nazywa)
data_frame_transposed = data_frame.transpose()
print("\nPo obroceniu:")
print(data_frame_transposed.head())
print(data_frame_transposed.tail())

# Zagregujmy dane za pomocą metody kmeans, robimy 5 klastrów
kmeans = KMeans(n_clusters=5).fit(data_frame_transposed)
centroids = kmeans.cluster_centers_
print("\nCentra (",len(centroids),") \n", centroids)

# Dla każdego z klastrów  robimy liste