Pandas数据帧对象是否适用于sklearn kmeans聚类？

Question

Pandas数据帧对象是否适用于sklearn kmeans聚类？

pythonpandasscikit-learncluster-analysisk-means

37

数据集是 Pandas 数据帧。这是 sklearn.cluster.KMeans。

 km = KMeans(n_clusters = n_Clusters)

 km.fit(dataset)

 prediction = km.predict(dataset)

这是我决定哪个实体属于哪个群集的方式：

 for i in range(len(prediction)):
     cluster_fit_dict[dataset.index[i]] = prediction[i]

这是数据集的样子：

 A 1 2 3 4 5 6
 B 2 3 4 5 6 7
 C 1 4 2 7 8 1
 ...

A、B、C为索引

这是使用k-means的正确方式吗？

- Dark Knight

2

你的问题有点不太清楚，一般来说sklearn接受numpy数组作为输入，因此pandas数据帧是兼容的。在某些情况下，我发现你需要请求一个numpy数组返回，例如：df.values或df.col.values，所以基本上它应该可以工作，请尝试一下，如果遇到问题，请带上代码和数据再来问。 - EdChum

2个回答

23

要确定你的数据框 dataset 是否具有合适的内容，可以显式地将其转换为numpy数组：

dataset_array = dataset.values
print(dataset_array.dtype)
print(dataset_array)

如果数组具有同质的数值dtype（通常为numpy.float64），则对于 scikit-learn 0.15.2 及更高版本来说应该是可以的。但您可能仍需要使用sklearn.preprocessing.StandardScaler来归一化数据。

如果您的数据框架类型不均匀，则相应的 numpy 数组的 dtype 将为object，这对于 scikit-learn 不合适。您需要提取所有相关特征的数字表示（例如通过提取分类特征的虚拟变量），并删除不适合的特征列（例如样本标识符）。

- ogrisel

网页内容由stack overflow 提供, 点击上面的

可以查看英文原文，
原文链接

- user666 · Accepted Answer

假设数据框中的所有值都是数值型数据，

# Convert DataFrame to matrix
mat = dataset.values
# Using sklearn
km = sklearn.cluster.KMeans(n_clusters=5)
km.fit(mat)
# Get cluster assignment labels
labels = km.labels_
# Format results as a DataFrame
results = pandas.DataFrame([dataset.index,labels]).T

或者，您可以尝试使用Pandas的KMeans++。