熊猫+科学工具包-学习K-意思是不能正常工作-将所有数据行作为一个大型多维示例处理。

Question

目前，我正在尝试使用存储在我的pandas.dataframe (实际上在其中一列中)中的数据进行k均值聚类。奇怪的是，它不是将每一行视为单独的示例，而是威胁所有行，将其作为一个示例，但在非常高的维度中。例如：

df = pd.read_csv('D:\\Apps\\DataSciense\\Kaggle Challenges\\Titanic\\Source Data\\train.csv', header = 0)

median_ages = np.zeros((2,3))

for i in range(0,2):
    for j in range (0,3):
        median_ages[i, j] =df[(df.Gender == i) &(df.Pclass == j+1)].Age.dropna().median()

df['AgeFill'] = df['Age']

for i in range(0, 2):
    for j in range(0,3):
        df.loc[ (df.Age.isnull()) & (df.Gender == i) & (df.Pclass == j+1), 'AgeFill'] = median_ages[i, j]

然后我就检查它看起来很好：

df.AgeFill

Name: AgeFill, Length: 891, dtype: float64

看上去不错，891 float64号码。我要做的是：

k_means = cluster.KMeans(n_clusters=1, init='random')
k_means.fit(df.AgeFill)

我检查了集群中心：

k_means.cluster_centers_

它会给我一个巨大的数组。

此外：

k_means.labels_

给我：

array([0])

我做错了什么？为什么它认为我有一个891维的例子，而不是891个？

为了更好地说明这一点，如果我尝试两个集群：

k_means = cluster.KMeans(n_clusters=2, init='random')
k_means.fit(df.AgeFill)

追溯(最近一次调用)：文件""，第1行，在"D:\Apps\Python\lib\site-packages\sklearn\cluster\k_means_.py"，文件k_means.fit(df.AgeFill)第724行中，在fit X= self._check_fit_data(X) File "D:\Apps\Python\lib\site-packages\sklearn\cluster\k_means_.py"，第693行中，在_check_fit_data X.shape中(self.n_clusters)( ValueError: n_samples=1应该是>= n_clusters=2

所以你可以看到，它真的认为它只是一个巨大的样本。

但是：

df.AgeFill.shape
(891,)

Answer 1

您正在传递一个一维数组，而scikit需要一个带有示例和功能轴的2D数组。这应该可以做到：

k_means.fit(df.AgeFill.reshape(-1, 1))

在此之前：

>>> df.AgeFill.shape
(891,)

之后：

>>> df.AgeFill.reshape(-1, 1).shape
(891, 1)