Question

我正在使用KMeans在基于一列cards的数据集中聚集记录，这是一个int。但是，返回的群集标签是以非直观的顺序（由于它是无监督的算法，因此是预期的。）

为了让我的同事更容易理解输出，我想将标签重新映射到cluster_centers_的顺序。

我创建了一个DataFrame，其中index是KMeans生成的标签，set_size是预期的新标签（已经在min列上排序），但我被困在这个难题的最后一站。

如何将cluster_df['set_size']值重新映射到all_sets_df['set_size']的{{1}}？

我尝试过应用，lambda，map，使用dict的变体，但由于某种原因，我得到np.nan的2/3结果（如果它可以工作）。我觉得这很明显，但由于某种原因，我无法让它发挥作用。

all_sets_df['cluster'] == cluster_df['index']

输出：

# Assign optimal clusters to all_sets_df.set_size column

print('Assigning sets to clusters...', end='')
X = all_sets_df.cards.reshape(-1, 1)

n_clusters = 3

km = KMeans(n_clusters=n_clusters, init='k-means++', n_init=10)

all_sets_df['cluster'] = km.fit_predict(X)

cluster_df = pd.DataFrame.from_dict(
    {_i: {'set_size': _i, 
          'min': all_sets_df.cards[all_sets_df.cluster == _i].min(), 
          'max': all_sets_df.cards[all_sets_df.cluster == _i].max()}
    for _i in range(n_clusters)}, 
    orient='index').sort_values(by='min').reset_index()

cluster_df['set_size'] = range(len(cluster_df.set_size))

print('done.\n')

print(cluster_df.ix[:, ['index', 'set_size', 'min', 'max']].to_string(index=False))

感谢您的帮助。

Answer 1

我需要更改行

_f = lambda x: cluster_df['set_size'][cluster_df.index == x].values

到

_f = lambda x: cluster_df['set_size'][cluster_df['index'] == x].values[0]

因为它在使用cluster_df表中的值时使用的实际数据帧索引与群集标签相同。此外，lambda函数返回的值是长度为1的列表，因此需要将[0]添加到函数的末尾。

这是最终为我工作的最终代码块。

_f = lambda x: cluster_df['set_size'][cluster_df['index'] == x].values[0]
all_sets_df['set_size'] = all_sets_df['cluster'].map(_f)
all_sets_df = all_sets_df.drop('cluster', axis=1)

根据排序的cluster_centers _

1 个答案: