Python K-means聚类后如何得到数据集子集

我有一个数据集

val_lab

，如下所示：

[[ 52.85560436 -23.61958699  34.40273147]
 [ 70.44462451  -2.74272277  80.32988099]
 [ 38.32222473 -11.22753928  24.09593474]
 [ 84.83470029  -7.73898094  28.03636332]
 [ 76.48246093   0.13784934  76.23718213]
 [ 61.21154496   2.24080039   9.38927616]
 [ 39.88027333  37.32959609 -19.0592156 ]...]

我使用sklearn的K-means聚类，得到了预测值：

from sklearn.cluster import KMeans
y_pred = KMeans(n_clusters= 5 , random_state=0 ).fit_predict(val_lab)
>>>[3 0 1 3 0 3 4 1 4 1 1 1 1 1 1 4 0 3 1 0 3...]

现在我想得到每个集群中的值，例如，如果

y\u pred=3

我得到：

（第0行和第3行）

现在，我的想法是：

val_lab_3 = []
for i in range(y_pred.shape[0]):
       if y_pred[i] == 3:
              val_lab_3.append(val_lab[i,:]) 

---

有没有更好的办法，因为我想得到所有集群中的子集。这太复杂了，特别是假设有更多的簇？

如果我理解正确，上面的行被分类为0,1,2,3,4（我看到的是5个簇），你想把它们全部放在一起

熊猫将是一个很好的工具。您可以使用此集群预测并将其设为新列，然后只需选择集群标签为3的行

e、 g.（假设您调用新列

preds

，并且您原来的numpy数组名为

val\u lab

）：

---

如果我理解正确，你上面的行被分类为0,1,2,3,4（我看到的是5个簇），你想把它们都放在一起

熊猫将是一个很好的工具。您可以使用此集群预测并将其设为新列，然后只需选择集群标签为3的行

e、 g.（假设您调用新列

preds

，并且您原来的numpy数组名为

val\u lab

）：

---

我假设

val\u lab

是一个

numpy

数组。那么,

val_lab[y_pred == 3, :]

---

将工作。

我假设

val\u lab

是一个

numpy

数组。那么,

val_lab[y_pred == 3, :]

会有用的

val_lab[y_pred == 3, :]