产生Kmeans的重心按升序排列

Question

我正在尝试使用Sklearn库在Python中使用Kmean算法。我的问题是，这有什么办法可以使我产生升序的中间状态。例如，这是我的代码：

kmeanDataFrame = pd.DataFrame({'x':X,'y':Y})
kmean = KMeans(init='k-means++',n_clusters = 6,random_state=0, n_init=10)
kmean.fit(kmeanDataFrame)
print(kmean.labels_)
print(kmean.cluster_centers_)

这里X和Y是数组，我提供了不同年份的国家人口排名数据。例如，当我给它2011时，中心会不断变化，它会生成这样的中心：

[[ 4.22019639  2.88409457]
[ 1.15267995  0.7954897 ]
[ 2.49913831  1.64727509]
[-1.71104298 -1.54454861]
[ 6.99545873  6.08921786]
[ 0.20412018  0.0517948 ]]

当我在2012年过世时，它的生成方式如下：

[[ 0.94596298  0.64243913]
[ 4.2710023   3.0083124 ]
[-0.27485671 -0.35197801]
[ 2.41465001  1.59198646]
[-6.514922   -4.53656495]
[ 7.77638888  7.18733868]]

有什么方法可以像这样按升序生成质心（第一个负点，然后是正点）：

[[-1.71104298 -1.54454861],
[ 0.20412018  0.0517948 ],
[ 1.15267995  0.7954897 ],
[ 2.49913831  1.64727509],
[ 4.22019639  2.88409457],
[ 6.99545873  6.08921786]]

Answer 1

[生成工具后，可以使用python中的排序功能对工具列表进行排序。如下面的代码行

sorted_Centers =已排序（kmean.cluster_centers _）

Answer 2

假设您碰巧具有以下集群：

from sklearn.cluster import KMeans
np.random.seed(42)
X = np.random.rand(10000)
Y = np.random.rand(10000)
kmeanDataFrame = pd.DataFrame({'x':X,'y':Y})
kmean = KMeans(init='k-means++',n_clusters = 6,random_state=0, n_init=10)
kmean.fit(kmeanDataFrame)

cc = kmean.cluster_centers_
print(cc)

[[0.14575507 0.27937172]
 [0.76783063 0.80079467]
 [0.47849743 0.14838875]
 [0.2147012  0.79923057]
 [0.48920425 0.5285314 ]
 [0.83935504 0.27354554]]

然后您可以沿第0列进行排序：

idx = np.argsort(cc[:,0])
cc[idx,:]
array([[0.14575507, 0.27937172],
       [0.2147012 , 0.79923057],
       [0.47849743, 0.14838875],
       [0.48920425, 0.5285314 ],
       [0.76783063, 0.80079467],
       [0.83935504, 0.27354554]])

或第一列：

idx = np.argsort(cc[:,1])
cc[idx,:]
array([[0.47849743, 0.14838875],
       [0.83935504, 0.27354554],
       [0.14575507, 0.27937172],
       [0.48920425, 0.5285314 ],
       [0.2147012 , 0.79923057],
       [0.76783063, 0.80079467]])