Python 功能列包含列表-如何解析为k-means算法

我正在尝试将数据解析为sklearn.cluster.KMeans。下面是一个显示我的数据的示例：

import sklearn.cluster
import numpy as np

d = {'ID' : pd.Series([1, 2, 1]), 
     'X1' : pd.Series([111, 222, 333]),
     'X2' : pd.Series([[0,1], [1,2], [2,4]]),
     'X3' : pd.Series([111, 222, 333])
    }

df1 = (pd.DataFrame(d))

labels = []
for index, row in df1.iterrows():
    labels.append(row['ID'])

print(df1)

   ID   X1  X2      X3
0   1  111  [0, 1]  111
1   2  222  [1, 2]  222
2   1  333  [2, 4]  333

print(labels)

[1, 2, 1]

这就是我试图将数据提取到要素中的方式：

features = np.array([x[1:] for x in df1])
clust_centers = 2
model = sklearn.cluster.k_means(features, clust_centers)

这将返回以下错误：

ValueError: could not convert string to float: D

问题：

如何使用此数据格式作为k-means的输入

    ID X1   X2      X3
0   1  111  [0, 1]  111
1   2  222  [1, 2]  222
2   1  333  [2, 4]  333

这种格式怎么样？这可以用作输入吗

    ID X1   X2          X3
0   1  111  [0:3, 1:4]  111
1   2  222  [1:2, 2:3]  222
2   1  333  [2:2, 4:2]  333

编辑-有关要素类型的详细信息

该数据集是比特币交易网络的摘录

标签：

id（int）-这是一个160位的散列。i、 e.我已转换为整数id值的比特币地址

特点：

数字的

价值（浮动）：交易中发送或接收的比特币金额

页面排名（浮动）：事务的页面排名

度数（浮动）：事务中节点的度数

出度（浮动）：事务中节点的出度

分类的

列表中的标记（int）：标记表示六个类别（赌博、服务、金融等）之一，可以表示为字符串或整数。我正在聚合标记，因此使用列表表示

样本行

行ID PAGERANK IN_DEGREE OUT \u标记中的度数值
767 7504 1.500 2 1 0.0012[1,2][1,5]

这里的目标是预测新用户可能与之交互的类别

---

非常感谢

查看

打印（功能）

的输出。您将每个列名中除第一个字符外的所有字符作为您的特性，我认为您不打算这样做。我想您需要的是

features=df1.values[：，1::

。当你尝试进行聚类时，这仍然会给你一个错误，但这是一个错误，因为在你的数据中有一个列表，这正是你的问题想要得到的。你的权利，这不是我打算做的。我想我要找的是

id

作为标签（我有）的列表，然后为k-means输入生成

样本x特征

矩阵我假设这是k-均值的正确输入。均值仅适用于欧几里德距离。

X2

中元素之间的距离是多少？

X2

特征是分类值。我已将标记转换为整数表示，这意味着您为它们指定了任意数字。这并不能让他们得到真实的数字。您仍然无法计算它们之间的欧几里德距离。请查看

打印（功能）

的输出。您将每个列名中除第一个字符外的所有字符作为您的特性，我认为您不打算这样做。我想您需要的是

features=df1.values[：，1::

。当你尝试进行聚类时，这仍然会给你一个错误，但这是一个错误，因为在你的数据中有一个列表，这正是你的问题想要得到的。你的权利，这不是我打算做的。我想我要找的是

id

作为标签（我有）的列表，然后为k-means输入生成

样本x特征

矩阵我假设这是k-均值的正确输入。均值仅适用于欧几里德距离。

X2

中元素之间的距离是多少？

X2

特征是分类值。我已将标记转换为整数表示，这意味着您为它们指定了任意数字。这并不能让他们得到真实的数字。您仍然无法计算它们之间的欧几里德距离。