python - 基于混合类型数据框的 K 均值

Question

我有以下数据集，我想在其上应用聚类（特别是 k-means）。

     id      category     value
0    122         A          3
1    122         B          4
2    122         C          9
3    145         A          19
4    145         B          22
5    145         C          90
.
.
. 
197    225         A          16 
198    225         B          17
199    225         C          12

我想要做的是创建 id 集群。例如，每个集群应该包含一些基于类别值计算的相似性度量的 id。

例如：C1 {122, 145, 148} C2{ 225, 222, 221} ....

关于如何处理此类问题的任何想法？

标签： pythonpandascluster-analysisk-means

Answer 1

将您的数据转换为适当的形状：

您的类别应该是columns，而不是单独的行。

     id          A          B         C
1    122         3          4         9
2    145         19         22        90
..

不要忘记排除 ID 列进行分析！聚类时切勿包含 ID。为了分析，您的数据应该只有 A、B、C 列；每个 ID 一行。这样你就有了一个 nx 3 矩阵，那么你可以使用 k-means 就好了。