本文介绍了KMeans表示使用Python进行集群的处理方法，对大家解决问题具有一定的参考价值，需要的朋友们下面随着小编来一起学习吧！
问题描述
我有一个数据集
Name System
A AZ
A NaN
B AZ
B NaN
B NaN
C AY
C AY
D AZ
E AY
E AY
E NaN
F AZ
F AZ
F NaN
使用此数据集时，我需要根据"；系统&为特定"；名称&Quot；重复的次数对数据集进行群集。
在上面的示例中，名称A、B和D有一个子集，而C、E有两个子集，F有两个AZ，因此它是一个不同的集群。
输出示例：
Cluster Names
AZ A,B
AY,AY C,E
AZ,AZ F
PS。实际数据集的行数和列数可能不同 如何使用基于ML的聚类算法(如KNN、朴素贝叶斯等)来实现这一点？ 我需要两种方法，一种不忽略NaN，另一种忽略NaN。
推荐答案
IIUC，这看起来像一个双倍groupby。您首先需要按名称和系统进行分组，并聚合系统以形成集群。则这是一个简单的groupby，聚合为字符串。
(df.groupby(['Name', 'System'])
['System'].agg(Cluster=','.join) # clusters of repeats
.droplevel('System').reset_index()
.groupby('Cluster')['Name'].agg(','.join) # aggregate by cluster
.reset_index()
)
输出：
Cluster Name
0 AY,AY C,E
1 AZ A,B,D
2 AZ,AZ F
Nb。我在这里使用了','.join聚合，但您也可以使用tuple或自定义函数(第一个groupby)和frozenset(第二个groupby)来保持对单个元素的访问
(df.groupby(['Name', 'System'], dropna=False)
['System'].agg(Cluster=lambda x: (x.iloc[0], len(x)))
.droplevel('System').reset_index()
.groupby('Cluster')['Name'].agg(frozenset)
.reset_index()
)
输出：
Cluster Name
0 (AY, 2) (E, C)
1 (AZ, 1) (B, A, D)
2 (AZ, 2) (F)
3 (nan, 1) (E, F, A)
4 (nan, 2) (B)
这篇关于KMeans表示使用Python进行集群的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持编程学习网！
本站部分内容来源互联网,如果有图片或者内容侵犯您的权益请联系我们删除！