将数据点分成多个群集，并取每个群集的平均值

Question

假设我在2x4矩阵中有一些数据（4个数据点，2个特征）X = np.array([[4,3,5,6], = [x1 x2 x3 x4]              [7,4,6,5]]) “最接近的” 3x4矩阵，它指示最接近每个数据点x的群集k。（3个集群，4个数据点）C = [[1 0 1 0]     [0 0 0 1]     [0 1 0 0]]我想找到一种有效的方法，使用numpy计算每个群集中数据点的平均值。我的想法是构造一个看起来像这样的矩阵：idea = [[x1 0  x3 0 ]        [0  0  0  x4]        [0  x2 0  0 ]]将其元素汇总到各列中，然后除以中的相应元素np.sum(c,axis=1)，因为均值应仅考虑属于该类的数据点（即不包括零）。此示例的最终预期输出应为3x2矩阵：output = [(x1+x3)/2  = [ [4.5 6.5]           x4            [6   5  ]           x2       ]    [3   4  ]]我什至无法构建看起来像我的idea矩阵的矩阵。我不知道这是否是解决这个问题最有效的方法我想避免使用任何for循环。

Answer 1

这是您策略的向量化实施：

X = np.array([[4, 3, 5, 6],[7, 4, 6, 5]])

C = np.array([[1, 0, 1, 0], [0, 0, 0, 1], [0, 1, 0, 0]])

output = X @ C.T / np.sum(C, axis=1)

print(output)

# => [[4.5 6.  3. ]

#    [[6.5 5.  4. ]]

由于您的输入点X是列，因此我认为将输出的列作为聚类的质心更为自然。如果您愿意，可以转置结果。