K-means 仅使用特定数据框列与 scikit-learn

Question

我正在使用 scikit-learn 库中的 k-means 算法，我想要聚类的值位于具有 3 列的 pandas 数据框中：ID , value_1 和 value_2.

我想使用 value_1 和 value_2 对信息进行聚类，但我也想保持 ID 与其相关联（这样我就可以创建 IDs 在每个集群中）。

执行此操作的最佳方法是什么？目前它也使用 ID 数字进行聚类，但这不是本意。

我当前的代码（X 是 pandas 数据框）：

kmeans = KMeans(n_clusters=2, n_init=3, max_iter=3000, random_state=1)
(X_train, X_test) = train_test_split(X[['value_1','value_2']],test_size=0.30)
kmeans = kmeans.fit(X_train)

Answer 1

仅使用感兴趣的列进行聚类（如您的示例所示）。然后将标签列表 kmeans.labels_ 作为另一列添加到 X_train（或 X_test）。标签与原始行的顺序相同。

# A toy DF
X = pd.DataFrame({'id': [1,2,3,4,5],
                  'value_1': [1,3,1,4,5],
                  'value_2': [0,0,1,5,0]})

# Split ALL columns
(X_train, X_test) = train_test_split(X,test_size=0.30)
# Cluster using SOME columns
kmeans = kmeans.fit(X_train[['value_1','value_2']])
# Save the labels
X_train.loc[:,'labels'] = kmeans.labels_

由于 X_train 和 X_tests 都是 X 的切片，您可能会在此处看到警告：

A value is trying to be set on a copy of a slice from a DataFrame.

你可以忽略它。

X_train
#   id  value_1  value_2  labels
#4   5        5        0       0
#0   1        1        0       0
#3   4        4        5       1

K-means 仅使用特定数据框列与 scikit-learn

K-means using only specific dataframe columns with scikit-learn

python

k-means

pandas

scikit-learn