我假设val_lab
是numpy
数组。在这种情况下,
我有一个数据集val_lab
,如下:
[[ 52.85560436 -23.61958699 34.40273147]
[ 70.44462451 -2.74272277 80.32988099]
[ 38.32222473 -11.22753928 24.09593474]
[ 84.83470029 -7.73898094 28.03636332]
[ 76.48246093 0.13784934 76.23718213]
[ 61.21154496 2.24080039 9.38927616]
[ 39.88027333 37.32959609 -19.0592156 ]...]
[我使用sklearn的K-means聚类并获得了预测值:
from sklearn.cluster import KMeans
y_pred = KMeans(n_clusters= 5 , random_state=0 ).fit_predict(val_lab)
>>>[3 0 1 3 0 3 4 1 4 1 1 1 1 1 1 4 0 3 1 0 3...]
例如,如果y_pred = 3
,我现在想获取每个群集中的值我得到:
[[ 52.85560436 -23.61958699 34.40273147]
[ 84.83470029 -7.73898094 28.03636332]
... ]
(0和3行)
现在,我的想法是:
val_lab_3 = []
for i in range(y_pred.shape[0]):
if y_pred[i] == 3:
val_lab_3.append(val_lab[i,:])
有更好的主意,因为我想获得所有群集中的子集。这太复杂了,尤其是假设有更多的集群吗?
因此,如果我正确地理解了这一点,那么上面的行将被归类为0、1、2、3、4(从我看到的结果中可以看到5个簇),并且您希望将所有这些聚集在一起。
熊猫将是一个很好的工具。您可以使用此聚类预测并将其设为新列,然后选择那些聚类标签为3]的行。
例如(假设您调用了新列preds
,而原始的numpy数组称为val_lab
):
import pandas as pd
df = pd.DataFrame(val_lab)
df['preds'] = y_pred
threes = df[df['preds'] == 3] # This is what you want
print(threes)
我假设val_lab
是numpy
数组。在这种情况下,
val_lab[y_pred == 3, :]
将工作。
我假设val_lab
是numpy
数组。在这种情况下,