Python 获取Kmeans聚类结果每一类的数据

最新推荐文章于 2025-05-09 12:49:09 发布

一世一生命

最新推荐文章于 2025-05-09 12:49:09 发布

阅读量2.2w

点赞数 9

CC 4.0 BY-SA版权

本文链接：https://blog.csdn.net/qq_30684181/article/details/88408406

本文详细介绍使用Python的Scikit-Learn库进行KMeans聚类分析的方法，包括如何获取聚类后的每一类数据，并提供了两种从DataFrame中筛选特定聚类数据的代码实现。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

Python 获取Kmeans聚类结果每一类的数据

获取聚类结果中每一类的数据,该数据类型是DataFrame

思路：获取clf_KMeans的标签，我这里是聚三类，标签就是0，1，2

将Label转成Series类型，再筛选出指定标签的res0，我筛选了1

最后在DataFrame里获取Label为1的数据

import pandas as pd
from sklearn.cluster import KMeans
    
　　# 建立模型。n_clusters参数用来设置分类个数，即K值，这里表示将样本分为两类。
    clf_KMeans = KMeans(n_clusters=3, max_iter=10)
    # 模型训练。得到预测值。
    print "clf_KMeans聚类中心\n", (clf_KMeans.cluster_centers_)
    quantity = pd.Series(clf_KMeans.labels_).value_counts()
    print "cluster2聚类数量\n", (quantity)
    #获取聚类之后每个聚类中心的数据
    res0Series = pd.Series(clf_KMeans.labels_)
    res0 = res0Series[res0Series.values == 1]
    print"类别为1的数据\n",(df.iloc[res0.index])

另外一种方法,更简洁

res = dataframe[(clf_KMeans.labels_ == 1)]

posted @ 2018-12-13 16:12 Rest探路者阅读( ...) 评论( ...) 编辑收藏

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

一世一生命

关注关注

9
点赞
踩
78

收藏

觉得还不错? 一键收藏
1
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

机器学习笔记-聚类分析之K-means算法案例及其Python实现

lilu916的博客

06-10

7万+

引言：数据挖掘的本质是“计算机根据已有的数据做出决策”，其对社会的价值不必多言，相关的应用已经有很多，包括垃圾邮件拦截、客户价值分析等。尽管数据挖掘实现过程的细节千差万别，但是从思路来说，主要包括两个方面：1、创建数据集；2、建模调整算法。算法是数据挖掘最核心的部分，作为一名学习新人，在参考《数据挖掘导论》、《Python数据分析与挖掘实战》、《Python数据挖掘入门与实战

python中kmeans中k怎么取值_k-means实现聚类及聚类效果指标 k值选择方法

weixin_39756696的博客

12-03

2033

聚类指的是把集合，分组成多个类，每个类中的对象都是彼此相似的。K-means是聚类中最常用的方法之一，它是基于点与点距离的相似度来计算最佳类别归属。在使用该方法前，要注意(1)对数据异常值的处理；(2)对数据标准化处理(x-min(x))/(max(x)-min(x))；(3)每一个类别的数量要大体均等；(4)不同类别间的特质值应该差异较大一、K-means聚类步骤：(1)选择k个初始聚类中心(2...

1 条评论您还未登录，请先登录后发表或查看评论

知识分享之Python——sklearn中K-means聚类算法输出各个簇中包含的样本数据

CN華少的博客

07-08

2757

知识分享之Python——sklearn中K-means聚类算法输出各个簇中包含的样本数据背景日常我们开发时，我们会遇到各种各样的奇奇怪怪的问题(踩坑o(╯□╰)o)，这个常见问题系列就是我日常遇到的一些问题的记录文章系列，这里整理汇总后分享给大家，让其还在深坑中的小伙伴有绳索能爬出来。同时在这里也欢迎大家把自己遇到的问题留言或私信给我，我看看其能否给大家解决。开发环境系统：windo...

《Sklearn 机器学习模型--分类模型》--K-means 聚类（K-means clustering algorithm）

最新发布

m0_71002812的博客

05-09

1100

K-means 聚类算法是一种基于划分的无监督学习算法，通过迭代优化将数据划分为指定簇数（K 值），使同一簇内样本相似度最大化、簇间差异最大化。其核心原理是最小化样本到所属簇心的平方误差和（SSE），实现步骤包括初始化、分配样本、更新中心和终止条件。K-means 算法实现简单、计算效率高，适合大规模数据集处理，且结果直观易解释。然而，它需要预先指定 K 值，对初始中心敏感，易陷入局部最优，且仅适用于凸形数据分布。典型应用场景包括工业设备检测、能源优化调度和通用数据分组（如图像分割、用户分群和异常检测）。改

python实现k-means聚类算法，计算k个中心分类后的结果

axuan_1217的博客

11-15

2842

实现k-means聚类算法，导入了python自带的数据库鸢尾花的数据作为实验数据，计算k个中心分类后的结果，结果用图像显示。文章目录前言一、全部代码1.引入库2.其他代码二、结果1.输入2.输出总结前言这里就不详细解释什么是K-means算法了，直接上代码，用的是python来实现，比较简单一、全部代码 python实现，导入的是python自带鸢尾花库 1.引入库 from sklearn.datasets import load_iris import copy import matp

kmeans代码实现聚类python，并输出对应的聚类中心

weixin_42578963的博客

02-11

1031

下面是一个用 Python 实现 K-Means 聚类的代码示例： import numpy as np def kmeans(X, k, max_iterations=100): # 随机选择 k 个初始聚类中心 centers = X[np.random.choice(X.shape[0], k, replace=False), :] for i in ra...

python数据挖掘学习笔记——KMeans聚类分析

lijij的博客

07-09

2024

k均值聚类python实现以及基本原理，仅供个人学习笔记使用

Python之kmeans聚类分析

weixin_41025946的博客

01-27

2566

[Kmeans—sklearn—聚类分析详解](https://www.cnblogs.com/zywnnblog/p/14256224.html) [Kmeans聚类选择最优K值python实现](https://blog.csdn.net/xyisv/article/details/82430107) [Kmeans算法学习笔记](https://www.cnblogs.com/wuchuanying/p/6218486.html) 动手前可以先看下这三部分，对于一些数据分析类项目一定要了解对应算法以及

kmeans聚类实现python_Kmeans聚类原理及python实现代码

weixin_35123047的博客

02-17

1249

kmeans 原理：(1)首先，随机确定k个初始点的质心；(2)然后将数据集中的每一个点分配到一个簇中，即为每一个点找到距其最近的质心，并将其分配给该质心所对应的簇；(3)对每一个簇，计算簇中所有点的均值并将均值作为质心(例：在三维空间里，计算各个点的x的均值得到x1，y的均值得到y1，z的均值得到z1，以此得到新的坐标点 x1,y1,z1,然后重新计算各个点距离最近的族)(4)重复步骤(2)，(...

python kmeans聚类中心点_python – KMeans聚类后的聚类点(scikit learn)

weixin_31091881的博客

01-14

3209

例如import numpy as npfrom sklearn.cluster import KMeansfrom sklearn import datasetsiris = datasets.load_iris()X = iris.datay = iris.targetestimator = KMeans(n_clusters=3)estimator.fit(X)你可以得到每个点的集群esti...

Python——K-means聚类分析及其结果可视化

12-21

0 前言 K-Means是聚类算法的一种，通过距离来判断数据点间的相似度并据此对数据进行聚类。 1 聚类算法科学计算中的聚类方法方法名称参数可伸缩性用例几何形状（使用的指标） K-Means number of clusters Very large , medium with MiniBatch coden_samplesn_clusters General-purpose, even cluster size, flat geometry, not too many clusters Distances between poi

使用sklearn中的k-means方法就行聚类，并统计每个簇内样本点的数目

热门推荐

会呼吸的梦

06-25

1万+

# 导入库 import numpy as np import matplotlib.pyplot as plt from sklearn.cluster import MiniBatchKMeans, KMeans x = np.array([[13378434.0829, 3526829.86612], [13378960.4042, 3526855.13451], [13372997.830...

【Python】K-means聚类（获取每个簇中的样本等）

Danger的博客

02-27

3802

【Python】K-means聚类（获取每个簇中的样本）

k-means算法详解(python实现) 数据挖掘聚类分析 k均值算法

weixin_46990115的博客

11-06

6535

在开始k-means算法之前，我们先了解一下什么是聚类分析？聚类分析就是将数据划分成有意义或有用的组（簇），根据在数据中发现的描述对象及其关系的信息，将数据对象分组。其目标是，组内的对象相互之间是相似的，而不同组中的对象是不同的。所以很明确，这个算法是为了分类数据的，一般适用于市场细分、目标顾客定位、生物种群划分等邻域所以，k-means算法怎么理解呢？其中的k是聚类算法当中类的个数。 means指的就是均值算法。 k-means是采用均值算法把数据分成K个类的硬聚类算法！对于连续型属性

数学建模笔记——K-means聚类(python实现)

ONLY_ME_CANTHIS的博客

09-08

3008

K-means是机器学习中常见的一种非监督学习分类算法，主要是对一个不带标签的数据集进行相似性分析，进而将其分成若干类。

python k-means聚类（调包）分析

weixin_43628417的博客

10-18

2332

原数据 kmeans = KMeans(n_clusters=3, random_state=0).fit(df) #可视化 labels = kmeans.labels_ centers = kmeans.cluster_centers_ markers = [‘o’, ‘^’, ‘*’] colors = [‘r’, ‘b’, ‘y’] #解决中文显示问题 plt.rcParams[‘font.sans-serif’]=[‘SimHei’] plt.rcParams[‘axes.unicode_min

自然语言处理实验—用K-means的方法对样本特征分类（含python代码和详细例子解释）

qq_26274961的博客

11-15

2038

自然语言处理实验—用K-means的方法对样本特征分类一、算法简述本次博客我们介绍一下机器学习里经典的聚类算法K-means，它属于典型的无监督学习算法。其核心思想也非常的简单，大致思路如下：要选取K(K=1,2,..)K(K=1,2,..)K(K=1,2,..)个簇的质心,这决定了我们最终聚类的簇（每一类被分为一个簇）。对每一个待分类的样本，我们都计算该样本到每个簇质心的距离，然后将该样本归类到最小距离的簇。更新每个簇的质心，每个簇的新的质心等于所有位于该簇的样本的均值。以此类推，重新归类样

python——k聚类图片（图像）聚类程序 + 每类结果保存到对应文件夹

hongliyu_lvliyu的博客

04-14

6461

前情提要：最近由于做机器学习不想手动标签，所以想用聚类的方法让机器自己学习，在网站上找到了很多博主的程序，有其效果但是最后都是将每一类的图片用plot显示出来，把所有的子图拼接在一个界面上。这样在尝试大约800张图片的数据集的时候还凑活，通过加一行程序调整子图之间的宽度和高度，勉强能看清图片内容，以观察聚类的效果。但是一般机器学习的数据集都更大，聚类完想要对每类图片再进行处理的话，原本的程序...

Python实现KMeans聚类算法与数据处理

在使用Python进行KMeans聚类之前，需要准备好数据。根据给定的描述，数据文件为文本格式（txt），读取这些数据到Python中是一个关键步骤。Python提供了内置的open函数和csv模块等，可以方便地读取和解析文本文件中的...