Python 如何生成时间范围的簇？

我有一个时间框架

0    2020-08-01 23:59:59
1    2020-08-01 23:59:49
2    2020-08-01 20:52:17
3    2020-08-01 19:02:34
4    2020-08-01 18:38:06

我想在其中添加一列，通过创建一个集群来建立索引。例如，如下所示：

0    2020-08-01 23:59:59   1
1    2020-08-01 23:59:49   1
2    2020-08-01 20:52:17   2
3    2020-08-01 19:02:34   3
4    2020-08-01 18:38:06   3

我为这个例子写了这篇文章，因为我们可以看到3个集群，它们是最近/最近的时间戳

from sklearn.cluster import KMeans
mat = df['datetime'].values
kmeans = KMeans(n_clusters=3)
kmeans.fit(mat.iloc[:,1:])
y_kmeans = kmeans.predict(mat.iloc[:,1:])

df['cluster'] = y_kmeans   

---

然而，上面的代码也不起作用。嗯，我有数以百万计的数据，显然不知道我需要创建多少个集群。我读过肘部法可以使用，但不确切地知道它是如何做到的。有人能指点一下怎么做吗？

kmeans

假设您知道集群的数量

---

如果您需要一种通过算法确定簇数的方法，例如，当一组数据点彼此“接近”（接近程度由

eps

参数确定）时，可以使用哪个方法形成簇。如果您有大量样本，而且成本非常高，您还可以尝试使用较小的（代表性的）数据子集来探索数据中的任何群集。

DBSCAN将根据您提供给的参数输出随机数量的群集it@SergeyBushmanov我不会说“随机”，但是是的，基于

eps

和

minu样本

。有64种以上不同的方法来定义“最佳”聚类数。数据分析师有责任根据业务逻辑、可解释性、可再现性和任何其他相关因素确定集群数量。Algo不是业务逻辑的替代品。@SergeyBushmanov DBSCAN是一种已建立的聚类算法，在其他63种算法中有其用途。当然，你是对的，用例决定了选择，尽管我从来没有这样说过，所以我不确定你是赞成还是反对。因此，如果您想在答案中添加一些内容或提供您自己的答案，我建议您这样做。