Question

我正在尝试使用预设数据帧重新创建k-means分析。目前，我正在尝试遍历我的数据帧的每一行（698行）并执行函数（row-mu）** 2，然后确定平方根。以下步骤是将所述函数的平方根与我的2个聚类（mu2或mu4）的平均值进行比较以确定距该点的距离，并将该sqrt数分配给每个分类器，使其更接近...如果我指定哪些行将是我的两个μ参数来操作，我的功能正常工作：

A=[]
B=[]

mu2=df1.loc[5] #in this instance, mu2=(8,10,10,8,7,10,9,7,1)
mu4=df1.loc[245] #in this instance, mu4=(5,1,1,2,2,2,3,1,1)
specificrow=df1.loc[374] #in this instance, specificrow=(3,1,2,1,2,1,2,1,1)

def d(row, mu):
    sums=(row-mu)**2
    return math.sqrt(sums.sum())

mu2dist=d(specificrow, mu2)
mu4dist=d(specificrow, mu4)

if mu4dist<mu2dist:
    A.append(mu2dist)
else:
    B.append(mu4dist)

print(A, B)

这样可以正确添加20.25到A

但是，如果我尝试将mu2和mu4分配给数据帧中的随机行：

mu2=df1.ix[np.random.choice(df.index, 1)]
mu4=df1.ix[np.random.choice(df.index, 1)]

相同的代码不起作用

for index, row in df1.iterrows():  
    mu2dist=d(row, mu2)
    mu4dist=d(row, mu4)

    if mu4dist<mu2dist:
        A.append(mu2dist)
    else:
        B.append(mu4dist)

print(A, B)

我收到错误消息：

'TypeError: cannot convert the series to <class 'float'>'

回溯还引用了我的d（行，mu）函数，特别是这一行：

return math.sqrt(sums.sum())

我尝试使用.astype（）事先将整个df转换为float，但我仍然遇到同样的错误。

如果我打印mu2并且它的类型（每次都明显改变），我得到这个输出：

     A2   A3   A4   A5   A6   A7   A8   A9  A10
28  2.0  1.0  1.0  1.0  2.0  1.0  2.0  1.0  1.0 <class 
'pandas.core.frame.DataFrame'>

似乎是浮点数，但实际类型只是'pandas dataframe'。如果有人能指引我朝着正确的方向获取这些金额来退回/打印出来，我将非常感激。我仍然需要研究如何保留这些值以便重用，因为我多次重复这个过程以找到最佳质心，但我需要先得到这些值。

由于

迭代pandas行并乘以预设行（k-means）

0 个答案: