K-means 仅使用特定数据帧列与 scikit-learn

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

我想使用以下方法对信息进行聚类value_1 and value_2，但我也想保留ID与之关联（所以我可以创建一个列表ID每个簇中的 s）。

这样做的最佳方法是什么？目前它使用以下方式进行集群ID数字也是如此，但这不是目的。

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)

仅使用感兴趣的列进行聚类（如您的示例中所示）。然后添加标签列表kmeans.labels_作为另一列X_train (or X_test）。标签的顺序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_

既然两者X_train and X_tests是切片X，您可能会在此处看到警告：

尝试在 DataFrame 的切片副本上设置一个值。

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