如何将聚类后的簇1保存为独立数据框？解决California未识别问题

问题根源 #

你用fit$cluster[11]直接取第11个簇标签的做法有两个明显问题：

• 没法保证第11个观测就是California，只要数据顺序稍有变动，这个索引就会失效
• 单独提取单个簇标签后，没法和原始数据的行对应上，自然会导致筛选出来的结果里找不到目标观测

正确操作步骤 #

假设你的原始时间序列数据框叫original_data，要么行名是州名（比如"California"），要么有一列专门记录州名（比如state列），K-Means的拟合结果存在fit里：

1. 给原始数据绑定聚类标签
   把每个观测对应的簇标签直接加到原始数据里，确保一一对应：

   # 直接给原始数据新增cluster列，存储每个观测的簇标签
   original_data$cluster <- fit$cluster
   

2. 筛选簇1的数据
   用新增的cluster列做条件筛选，就能准确得到簇1的所有数据：

   new_data <- subset(original_data, cluster == 1)
   

3. 验证California是否在结果里
   可以用下面的代码确认：

   # 如果行名是州名
   any(rownames(new_data) == "California")
   # 如果有state列
   any(new_data$state == "California")
   

额外排查技巧 #

要是还不确定California的簇标签，先确认它在原始数据中的位置和对应的簇：

# 找到California的行索引
cal_index <- which(rownames(original_data) == "California")
# 查看它的簇标签
fit$cluster[cal_index]

这样能先确认它确实属于簇1，再进行筛选就不会出问题。

内容的提问来源于stack exchange，提问作者Jared Greathouse