为什么Python2.7的性能（轮廓分数）比3.6更好？

我在SoF上读了很多关于Python2.7和3.6之间速度差异的文章。但我的问题更多的是关于两个版本之间的性能

我使用TF-IDF+KMeans和score剪影来评估我的集群的同质性

通过从Python 3.6切换到Python 2.7，我的轮廓分数增加了+0.20

**有人能解释一下吗？**谢谢

代码：

tfidf = TfidfVectorizer(
    stop_words=my_stopwords_str, 
    max_df=0.95, 
    min_df=5, 
    token_pattern=r'\w{3,}',
    max_features=20)

tfidf.fit(data_final.all_text)
data_vect = tfidf.transform(data_final.all_text)

num_clusters = 15

kmeans = KMeans(n_clusters=num_clusters, init='k-means++', 
max_iter=300).fit(data_vect_lsa)
kmeans_predict = KMeans(n_clusters=num_clusters, init='k-means++', max_iter=300).fit_predict(data_vect_lsa)


silhouette_score(data_vect, labels = kmeans_predict, metric='euclidean')

Python 2.7的输出为：

0.58234789374593758

Python 3.6的输出为：

0.37524101598378656    

---

再试一次。一个样本是不够的

K-均值从随机设置开始，可能只找到局部最优值

---

在多次运行时，经常会看到不同的结果。

如果没有更多的细节（最好包括代码），很难回答这个问题。谢谢你的建议，我编辑了我的帖子！

TFIDFvectorier

和

KMeans

来自哪个库？一般来说，需要寻找的可能是除法——除法运算符的行为在Python3中整数从floor改为true除法，如果代码中有一个隐藏的除法，其中包含两个整数，这可能解释了数值离散性，这个问题取决于您使用的库。什么版本？另一件事，尝试显式使用随机种子。特别是，不同版本的随机种子可能不同。好吧，现在种子根本不是固定的，所以每次运行都可能不同。当然，版本差异也会改变生成的随机值。