我将主成分分析应用于数据帧,以便基于K-均值绘制聚类。因为我的原始df中有24个特性,所以我不想每次只基于3个或3个特性来绘制集群。所以我想做的是,绘制这些特征的组合,得到集群中每个特征的更一般/更具代表性的图形表示
我使用pca.components_
提取了组件,并创建了以下组件的df:
PC-1 PC-2
media_bi_mov 0.003094 0.050599
media_bi_post 0.000762 0.028931
total_mov_prod_300 0.000836 0.573675
codsprod_0 0.440476 -0.004404
codsprod_1 0.008005 0.105349
codsprod_2 0.002851 0.042459
codsprod_3 0.001078 0.009355
codsprod_4 -0.011922 -0.022020
idaplic_0 0.392229 -0.002817
idaplic_1 0.003001 0.004822
idaplic_2 0.044730 -0.001148
idaplic_3 0.097695 -0.008628
idaplic_4 0.024273 0.486973
idaplic_5 0.234798 -0.033369
idaplic_6 0.019329 0.015455
idempro_36 0.000401 -0.000438
idempro_38 0.032149 0.292137
idempro_49 0.439413 -0.023269
codmonsw_EUR 0.440543 -0.002770
codmonsw_USD 0.000378 0.000664
resto_codsprod 0.011406 0.011731
resto_idaplic 0.041649 0.005692
días_entre_ops -0.011129 -0.015144
frecuencia 0.440543 -0.002770
valor_total_eur 0.000836 0.573675
通常我会使用kmeans.labels_
来绘制簇,如果这是原始的df,则为每个簇应用不同的颜色。但我现在的问题是,我不能使用kmeans.labels_
来区分这个pca缩减df中的每个簇,因为kmeans.labels_
的长度会更大
如何应用颜色来区分此数据帧中的群集
提前谢谢
我没有意识到解决这个问题是如此简单:我只需要在组件df上运行kmeans,就可以得到每个主组件中每个特性的聚类标签。希望这能帮助像我一样有疑虑的人
相关问题 更多 >
编程相关推荐