在python中使用k-means聚类提取质心？答案

【问题标题】：Extracting centroids using k-means clustering in python?在python中使用k-means聚类提取质心？
【发布时间】：2018-04-27 17:03:55
【问题描述】：

我在一个形状为 [1000,] 的一维数组中有一些数据，其中包含 1000 个元素。我对这些数据应用了 k-means 聚类，聚类数为 10。应用 k-means 后，我得到了每个簇的形状为 [1000,] 和形状为 [10,] 的簇标签（id）。标签数组将 0 到 9 之间的值分配给 1000 个元素中的每一个。但是，我希望每个元素都显示其质心而不是其集群 ID。我怎样才能做到这一点？

from sklearn.cluster import KMeans
kmeans = KMeans(n_clusters=10)
kmeans.fit(data)   #data is of shape [1000,]
#learn the labels and the means
labels = kmeans.predict(data)  #labels of shape [1000,] with values 0<= i <= 9
centroids  = kmeans.cluster_centers_  #means of shape [10,]

在上面的代码中，我想要 [1000,] 数组中每个元素的各自质心，而不是其集群 ID。

【问题讨论】：

标签： python arrays scikit-learn cluster-analysis k-means

【解决方案1】：

似乎列表理解会很好用。

centroid_labels = [centroids[i] for i in labels]

【讨论】：

【解决方案2】：

只需使用centroids 数组作为查找表：

samplesCentroids = centroids[labels]

【讨论】：