如何基于CLV分数创建自定义聚类名称列（K-Means聚类场景）

核心思路 #

先将带格式的CLV分数转换为可排序的数值类型，根据CLV从高到低的顺序为每个原始聚类分配用户自定义名称，最后按CLV降序排序DataFrame以匹配期望输出。

1. 数据初始化与预处理 #

构造原始DataFrame，并将带千分位逗号的CLV Score转换为整数，确保后续排序逻辑正确：

import pandas as pd

# 原始数据
df = pd.DataFrame({
    'Cluster': [2, 3, 1],
    'CLV Score': ['571,038', '1,474,358', '568,211']
})

# 转换CLV Score为整数：去除逗号后转类型
df['CLV Score'] = df['CLV Score'].str.replace(',', '').astype(int)

2. 自定义聚类名称映射 #

用户可根据需求自定义名称列表，列表顺序直接对应CLV从高到低的聚类：

# 自定义名称列表：按CLV降序排列，依次对应最高、次高、最低CLV的聚类
custom_cluster_names = ['Gold Customer', 'Silver Customer', 'Dormant Customer']

# 按CLV降序排序，为每个Cluster分配对应名称
df_sorted = df.sort_values(by='CLV Score', ascending=False)
df_sorted['Cluster Name'] = custom_cluster_names

3. 恢复CLV格式（可选） #

如果需要将CLV Score转回带千分位的字符串格式，执行以下代码：

# 恢复千分位格式
df_sorted['CLV Score'] = df_sorted['CLV Score'].apply(lambda x: f"{x:,}")

# 重置索引（可选，让索引从0开始）
df_sorted = df_sorted.reset_index(drop=True)

最终结果 #

执行后df_sorted的输出与期望一致：

关键说明 #

• 自定义灵活性：只需修改custom_cluster_names列表的内容和顺序，即可调整聚类名称的映射关系
• 预处理必要性：必须将CLV Score转换为数值类型，否则字符串排序会出现逻辑错误（比如"1,474,358"作为字符串会被判定为小于"571,038"）
• 排序逻辑：通过sort_values按CLV降序排列，确保名称与CLV高低一一对应

内容的提问来源于stack exchange，提问作者Jonathan