Skip to main content
 首页 » 编程设计

python之在 numpy 数组函数之后获取 Dataframe 的索引

2025年02月15日7www_RR

我有一个实现 k-mean 算法的函数,我想将它与 DataFrames 一起使用以考虑索引。目前我使用 DataFrame.values 并且它有效。但是我没有得到输出的索引。

def cluster_points(X, mu): 
    clusters  = {} 
    for x in X: 
        bestmukey = min([(i[0], np.linalg.norm(x-mu[i[0]])) \ 
                    for i in enumerate(mu)], key=lambda t:t[1])[0] 
        try: 
            clusters[bestmukey].append(x) 
        except KeyError: 
            clusters[bestmukey] = [x] 
    return clusters 
 
def reevaluate_centers(mu, clusters): 
    newmu = [] 
    keys = sorted(clusters.keys()) 
    for k in keys: 
        newmu.append(np.mean(clusters[k], axis = 0)) 
    return newmu 
 
def has_converged(mu, oldmu): 
    return (set([tuple(a) for a in mu]) == set([tuple(a) for a in oldmu])) 
 
 
def find_centers(X, K): 
    # Initialize to K random centers 
    oldmu = random.sample(X, K) 
    mu = random.sample(X, K) 
    while not has_converged(mu, oldmu): 
        oldmu = mu 
        # Assign all points in X to clusters 
        clusters = cluster_points(X, mu) 
        # Reevaluate centers 
        mu = reevaluate_centers(oldmu, clusters) 
    return(mu, clusters) 

例如最小和足够的例子:

import itertools 
 
df = pd.DataFrame(np.random.randint(0,10,size=(10, 5)), index = list(range(10)), columns=list(range(5))) 
df.index.name = 'subscriber_id' 
df.columns.name = 'ad_id' 

我明白了:

find_centers(df.values, 2) 
([array([ 3.8,  3. ,  3.6,  2. ,  3.6]), 
  array([ 6.8,  3.6,  5.6,  6.8,  6.8])], 
 {0: [array([2, 0, 5, 6, 4]), 
   array([1, 1, 2, 3, 3]), 
   array([6, 0, 4, 0, 3]), 
   array([7, 9, 4, 1, 7]), 
   array([3, 5, 3, 0, 1])], 
  1: [array([6, 2, 5, 9, 6]), 
   array([8, 9, 7, 2, 8]), 
   array([7, 5, 3, 7, 8]), 
   array([7, 1, 5, 7, 6]), 
   array([6, 1, 8, 9, 6])]}) 

我有值但没有索引。

请您参考如下方法:

如果你想获得包含索引的值数组,你可以简单地使用reset_index()将索引添加到列中:

values_with_index = df.reset_index().values 

更新

如果你想要的是在输出上有索引,但在实际的聚类过程中不使用它,你可以执行以下操作。首先,将实际数据框对象传递给 find_centers:

find_centers(df, 2) 

然后改变cluster_points如下:

def cluster_points(X, mu): 
    clusters  = {} 
    for _, x in X.iterrows(): 
        bestmukey = min([(i[0], np.linalg.norm(x-mu[i[0]])) 
                         for i in enumerate(mu)], key=lambda t:t[1])[0] 
        # You can replace this try/except block with 
        # clusters.setdefault(bestmukey, []).append(x) 
        try: 
            clusters[bestmukey].append(x) 
        except KeyError: 
            clusters[bestmukey] = [x] 
    return clusters 

输出中的中心仍然是数组,但簇的每一行将包含系列对象。这些系列中每一个的 name 属性是数据框中的索引值。