根据最大值对列表值进行分组

Question

我正在研究 k-mean 算法来聚类数字列表，如果我有一个数组 (X)X=array([[0.85142858],[0.85566274],[0.85364912],[0.81536489],[0.84929932],[0.85042336],[0.84899714],[0.82019115], [0.86112067],[0.8312496 ]])然后我运行以下代码from sklearn.cluster import AgglomerativeClusteringcluster = AgglomerativeClustering(n_clusters=5, affinity='euclidean', linkage='ward')cluster.fit_predict(X)for i in range(len(X)):    print("%4d " % cluster.labels_[i], end=""); print(X[i])我得到了结果   1     1  [0.85142858]   2     3  [0.85566274]   3     3  [0.85364912]   4     0  [0.81536489]   5     1  [0.84929932]   6     1  [0.85042336]   7     1  [0.84899714]   8     0  [0.82019115]   9     4  [0.86112067]   10    2  [0.8312496]如何获得每个簇中值为 (i) 的最大数量？像这样0: 0.82019115   81: 0.85142858   12: 0.8312496    103: 0.85566274   24: 0.86112067   9

Answer 1

首先将它们组合成对使用zip然后按值（对的第二个元素）按递增顺序对其进行排序并从中创建一个字典。

尝试：

res =  list(zip(cluster.labels_, X))

max_num = dict(sorted(res, key=lambda x: x[1], reverse=False))

最大数量：

{0: array([0.82019115]),

 2: array([0.8312496]),

 1: array([0.85142858]),

 3: array([0.85566274]),

 4: array([0.86112067])}

编辑：

你想要这个吗？

elem = list(zip(res, range(1,len(X)+1)))

e = sorted(elem, key=lambda x: x[0][1], reverse=False)

final_dict = {k[0]:(k[1], v) for (k,v) in e}

for key in sorted(final_dict):

    print(f"{key}: {final_dict[key][0][0]} {final_dict[key][1]}")

0: 0.82019115 8

1: 0.85142858 1

2: 0.8312496 10

3: 0.85566274 2

4: 0.86112067 9

或者

import pandas as pd    

df = pd.DataFrame(zip(cluster.labels_,X))

df[1] = df[1].str[0]

df = df.sort_values(1).drop_duplicates([0],keep='last')

df.index = df.index+1

df = df.sort_values(0)

df:

    0   1

8   0   0.820191

1   1   0.851429

10  2   0.831250

2   3   0.855663

9   4   0.861121