Python 基于混合型数据帧的K均值

我有以下数据集，我想对其应用聚类（特别是k-means）

我想做的是创建id的集群。例如，每个集群都应该包含一些基于类别值计算的相似性度量的id

例如：C1{122，145，148}C2{225，222，221}

---

你知道如何处理这类问题吗？

我假设A-Z中有多个类别，并且有许多行属于同一类别。K-means算法的工作原理如下所述。从你的问题来看，不清楚什么是相似性度量。一旦我对集群目标有了更多的了解，我会更新我的答案

更新：在再次查看数据并注意到@Anony Mouse的评论后，我假设问题是：给定三个类别a、B、C及其各自的值和标签（ID），根据某种相似性度量对它们进行聚类（可以是欧几里德距离、余弦距离或其他）。我正在更新我以前的答案，以符合上述假设

解析数据并生成三个数字或一个热编码特征，这些特征表示每个Id的类别A、B和C的值

K:输入

重复上述步骤，直至收敛：

• 将三维簇质心U1随机初始化为Uk
• 对于每个Id，找到类别值和簇质心之间的欧几里德距离的最小和。将该簇质心指定为 当前Id的新群集中心
• 对于每个簇，通过平均分配给它的所有样本（ID）的特征，重新计算其质心

当簇质心不变或每个质心的变化小于作为输入提供的小值时，可能会发生收敛。

将数据转换为适当的形状：

类别应该是列，而不是单独的行

     id          A          B         C
1    122         3          4         9
2    145         19         22        90
..

---

不要忘记排除ID列进行分析！在群集时不要包含ID。对于分析，您的数据应该只有A、B、C列；每个ID一行。这样你就有了一个nx3矩阵，那么你就可以很好地使用k-均值。

相似性标准是什么？不。那样的话，他每个ID仍然有三行！我假设数据将首先被清理，并删除重复项，编辑我的答案以包含该细节。这些不是重复项。每个id对于每个类别都有一个值。看到我的答案了…这不是OP想要的，他想要创建一个ID集群。是的，ID每个有三行，为每个ID存储三个值a、B和C。。。我没有安排枢轴操作。这是一个内置的。。。看看它是做什么的，你会发现在这里做这件事是正确的。

     id          A          B         C
1    122         3          4         9
2    145         19         22        90
..