Python 使用sklearn从k-means聚类中获取质心行索引

何乐而不为

我有一个panda数据框，我想从中对所有行进行聚类，并获得每个聚类质心的行索引。我正在使用sklearn，这就是我所拥有的：

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans


X = pd.DataFrame(np.random.rand(10,5))
kmeans = KMeans(n_clusters=3)
Y = pd.DataFrame(kmeans.fit_predict(X.as_matrix()),columns=['cluster ID'] )
Z =pd.DataFrame(kmeans.cluster_centers_[Y['cluster ID']])
result = pd.concat([X , Y, Z], axis=1)  
pd.DataFrame(result)

有没有办法得到离质心最近的行的索引

thxthx。此代码可用于：

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
from scipy.spatial.distance import cdist

X = pd.DataFrame(np.random.rand(10,5))
model= KMeans(n_clusters=3)
clusassign = model.fit_predict(X.as_matrix())
min_dist = np.min(cdist(X.as_matrix(), model.cluster_centers_, 'euclidean'), axis=1)
Y = pd.DataFrame(min_dist, index=X.index, columns=['Center_euclidean_dist'])
Z = pd.DataFrame(clusassign, index=X.index, columns=['cluster_ID'])
PAP = pd.concat([Y,Z], axis=1)
grouped = PAP.groupby(['cluster_ID'])
grouped.idxmin()

Thx。此代码可用于：

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
from scipy.spatial.distance import cdist

X = pd.DataFrame(np.random.rand(10,5))
model= KMeans(n_clusters=3)
clusassign = model.fit_predict(X.as_matrix())
min_dist = np.min(cdist(X.as_matrix(), model.cluster_centers_, 'euclidean'), axis=1)
Y = pd.DataFrame(min_dist, index=X.index, columns=['Center_euclidean_dist'])
Z = pd.DataFrame(clusassign, index=X.index, columns=['cluster_ID'])
PAP = pd.concat([Y,Z], axis=1)
grouped = PAP.groupby(['cluster_ID'])
grouped.idxmin()

---

您可以使用

kmeans.cluster\u centers.

获取群集中心。然后找到距离该簇中所有元素的距离，以获得距离最小的元素。您可以使用

kmeans.cluster\u centers\u

获得簇中心。然后找到距离该簇中所有元素的距离，以获得距离最小的元素。您可以使用此选项：

np.argmin（np.linalg.norm（X_std-kmp.cluster\u centers\u0，axis=1））

您可以使用此选项：

np.argmin（np.linalg.norm（X_std-kmp.cluster\u centers\u0，axis=1））