如何匹配k-means聚类中的标签及其聚类点？

Question

我正在进行 k 均值聚类，我想确保标签与正确的聚类编号匹配。以下是我使用的代码

import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
from sklearn.metrics import pairwise_distances_argmin_min

dataset = pd.read_csv('ratio.csv', index_col=0).T
dataset_copy = dataset
dataset_copy = dataset_copy.dropna()

X = dataset_copy.iloc[:, [0, 1, 2, 3]].values

kmeans = KMeans(n_clusters=4, init='k-means++', random_state=42)
y_kmeans = kmeans.fit_predict(X)

# From here
Company = pd.DataFrame(dataset_copy.index)
cluster_labels = pd.DataFrame(kmeans.labels_)

labels_df = pd.concat([Company, cluster_labels],axis = 1)

#Fromhere 中的代码是否为簇编号分配了正确的标签？

我在代码中使用的部分数据集：

Answer 1

是的，您从“# From here”注释中提供的代码片段确实正确地将集群标签分配给每个公司。

相关代码行：

Company = pd.DataFrame(dataset_copy.index)

：此行根据

DataFrame

的索引创建

dataset_copy

，这可能是公司名称或标识符。

cluster_labels = pd.DataFrame(kmeans.labels_)

：在这里，您将 k-means 算法分配的标签转换为

DataFrame

。

kmeans.labels_

数组包含分配给

X

中每个样本的簇编号。

labels_df = pd.concat([Company, cluster_labels], axis=1)

：此行沿着列 (

axis=1

) 连接公司名称及其相应的集群标签。这会产生一个新的

DataFrame

labels_df

，其中每行包含一个公司名称及其关联的集群标签。

因此，

labels_df

中的每个公司都与k-means算法分配的集群编号相匹配。

但是，还有一种更优雅的方式。

dataset_copy.index

和

kmeans.labels_

都是一维数组，因此您可以以更优雅的方式创建

DataFrame

进行映射：

labels_df = pd.DataFrame({'Company': dataset_copy.index, 'Cluster': kmeans.labels_})