Python 将 k-means 集群与实例关联

我已阅读文档here http://scikit-learn.org/stable/modules/generated/sklearn.cluster.KMeans.html以及看着this http://fromdatawithlove.thegovans.us/2013/05/clustering-using-scikit-learn.html教程，但我仍然缺少一些关于在 scikit-learn 中使用 K-means 的基本知识：

假设我有一个这样的数据集：

|UserName| Variable1 | Variable2 | Variable3 |  Cluster |
|  bob   |    1      |     3     |    7      |          |
|  joe   |    2      |     4     |    8      |          |
|  bill  |    1      |     6     |    4      |          |

由于 K-means 采用 numpy 数组，因此我必须去掉用户名并仅使用数值变量。但是，创建集群后，如何将它们与每个单独的用户关联起来以进行进一步分析。即如何用相应的簇号填充“簇”列？

这是一个示例，假设您从文件中将数据读入列表中：

import sklearn.cluster
import numpy as np

data = [
    ['bob', 1, 3, 7],
    ['joe', 2, 4, 8],
    ['bill', 1, 6, 4],
]

labels = [x[0] for x in data]
a = np.array([x[1:] for x in data])
clust_centers = 2

model = sklearn.cluster.k_means(a, clust_centers)

模型现在包含一个元组（质心、标签、惯性）

所以像这样取回标签：

clusters = dict(zip(lables, model[1]))

并打印“one”的集群 ID：

print clusters['bob']

或者将其发送回 csv，如下所示：

for d in data:
    print '%s,%d' % (','.join([str(x) for x in d]), clusters[d[0]])