Python 查找最接近质心的列-熊猫

对于上面按状态划分的Kmeans分析，我想从每个集群中提取/识别元素，这些元素最接近该集群的质心。

基本上：实现基于欧几里德距离。要获得每个质心的两个最近点，我们可以查看属于每个簇的点集，取相关质心之间差值的2-范数，并返回两个最近点：

def get_2_最接近（群集id、df、列、中心）：
当前=df[df[“群集”]==群集id][列]
最近的=np.argsort(
np.linalg.norm（current.to_numpy（dtype=np.float64）-中心[cluster\u id]，轴=1）
)
返回电流.iloc[最近的[：2]]

上下文中的完整示例：

将numpy导入为np
作为pd进口熊猫
从sklearn.cluster导入KMeans
将matplotlib.pyplot作为plt导入
df=pd.DataFrame（列=[“状态”、“成人”、“高级”、“儿童”]）
df.loc[0]=[“加利福尼亚”，111,2,6]
df.loc[1]=[“德克萨斯州”，70,2,4]
df.loc[2]=[“佛罗里达”，64,4,5]
df.loc[3]=“格鲁吉亚”，25,2,3]
df.loc[4]=[“阿拉斯加”，90,1,2]
df.loc[5]=“夏威夷”，105,2,1]
df.loc[6]=“华盛顿”，27,3,2]
df.loc[7]=“宾夕法尼亚州”，90,2,1]
df.loc[8]=“弗吉尼亚”，63,2,3]
df.loc[9]=[“亚利桑那州”，34,2,4]
df.loc[10]=“密歇根”，22,5,2]
kmeans=kmeans（n_集群=4）
y=kmeans.fit_predict（df[“成人”、“老年人”、“儿童”]）
df[“集群”]=y
中心=kmeans.cluster\u中心_
def get_2_最接近（群集id、df、列、中心）：
当前=df[df[“群集”]==群集id][列]
最近的=np.argsort(
np.linalg.norm（current.to_numpy（dtype=np.float64）-中心[cluster\u id]，轴=1）
)
返回电流.iloc[最近的[：2]]
_最近的=pd.DataFrame（列=[“成人”、“高级”、“儿童”]）
对于范围内的i（len（中心））：
输出=获取最近的（i、df、[“成人”、“老年人”、“儿童”]、kmeans.cluster\u中心）
_最近的=_最近的。追加（输出）
plt.分散（成人df.高级df.标签=“原始”）
plt.散射（_最近。成人，_最近。老年人，label=“2最接近质心”）
plt.散射（中心[：，0]，中心[：，1]，color=“黑色”，marker=“*”，label=“形心”）
plt.legend（）
plt.show（）

预期产出：

评论中提出的问题：您可以通过合并两个数据帧来返回

状态

列：

打印(
_merge（df，left_index=True，right_index=True）['State']
)

输出：

4          Alaska
7    Pennsylvania
6      Washington
3         Georgia
2         Florida
8        Virginia
0      California
5          Hawaii

---

欢迎来到SO Code_starter！是否要提取到每个群集中心的“最近点”？或者您想在表示集群的

df

中添加一列吗？如果有2个点，您想找出离集群中心最近的2个点。非常感谢，有没有办法检索最近的州名称？您能澄清一下“州名称”是什么意思吗在本例中：

\u最近的

数据框中的列索引将与原始

df

数据框中的列索引相同。很抱歉出现歧义。我指的是我现在想知道的州名。我编辑了答案以显示一个示例，其中数据帧在索引上合并，然后返回状态。

4          Alaska
7    Pennsylvania
6      Washington
3         Georgia
2         Florida
8        Virginia
0      California
5          Hawaii