如何将KMeans聚类结果映射到原始时间序列并分色绘制？

原始时间序列数据 #

Close
2018-01-01  66.659485
2018-01-02  66.659485
2018-01-03  65.877713
2018-01-04  66.791399
2018-01-05  67.968765
2018-01-06  96.900002
2018-01-07  96.900002
2018-01-08  96.900002
2018-01-09  96.349998
2018-01-10  95.519997

3天滑动窗口序列 #

Col_0       Col_1       Col_2
0   66.659485   66.659485   65.877713
1   66.659485   65.877713   66.791399
2   65.877713   66.791399   67.968765
3   66.791399   67.968765   96.900002
4   67.968765   96.900002   96.900002
5   96.900002   96.900002   96.900002
6   96.900002   96.900002   96.349998

带聚类标签的滑动窗口数据 #

Col_0       Col_1       Col_2    Cluster
0   66.659485   66.659485   65.877713          0 
1   66.659485   65.877713   66.791399          0
2   65.877713   66.791399   67.968765          1
3   66.791399   67.968765   96.900002          0
4   67.968765   96.900002   96.900002          1
5   96.900002   96.900002   96.900002          0
6   96.900002   96.900002   96.349998          0

如何将这些聚类标签映射到原始时间序列，并用不同颜色绘制该时间序列？尝试转置操作未成功。

1. 标签映射逻辑 #

滑动窗口的每个聚类标签，默认对应原始序列中窗口的结束时间点（比如第0个窗口对应2018-01-03，第1个对应2018-01-04，以此类推）。对于原始序列中前n-1个点（n=3时是前2个），可按需选择：

• 设为NaN不标记
• 用第一个窗口的标签填充
• 单独规则处理

如果要给窗口内所有点标记，由于窗口重叠，同一个点会被多个窗口覆盖，通常取最后覆盖该点的窗口标签作为最终标签。

2. 代码实现（Python + Pandas + Matplotlib） #

步骤1：构造原始数据与标签数据 #

import pandas as pd
import matplotlib.pyplot as plt

# 原始时间序列数据
raw_data = pd.DataFrame(
    {'Close': [66.659485, 66.659485, 65.877713, 66.791399, 67.968765, 96.900002, 96.900002, 96.900002, 96.349998, 95.519997]},
    index=pd.date_range(start='2018-01-01', periods=10)
)

# 聚类标签（对应滑动窗口的顺序）
cluster_labels = [0, 0, 1, 0, 1, 0, 0]
window_size = 3

步骤2：映射标签到原始数据 #

方式1：标签对应窗口结束点

# 创建标签列，初始为None
raw_data['Cluster'] = None

# 每个窗口标签对应原始数据的第i+window_size-1个位置（窗口结束点）
for i, label in enumerate(cluster_labels):
    raw_data.iloc[i + window_size - 1, raw_data.columns.get_loc('Cluster')] = label

# 可选：填充前window_size-1个点的标签（用第一个窗口标签）
raw_data['Cluster'].fillna(cluster_labels[0], inplace=True)

方式2：标签覆盖窗口内所有点（取最后覆盖的标签）

raw_data['Cluster'] = None
for i, label in enumerate(cluster_labels):
    # 给当前窗口覆盖的所有点标记标签
    raw_data.iloc[i:i+window_size, raw_data.columns.get_loc('Cluster')] = label

步骤3：按聚类标签绘制时间序列 #

plt.figure(figsize=(10, 6))

# 按聚类标签分组绘制
for cluster in raw_data['Cluster'].unique():
    subset = raw_data[raw_data['Cluster'] == cluster]
    plt.plot(subset.index, subset['Close'], marker='o', label=f'Cluster {cluster}')

plt.xlabel('Date')
plt.ylabel('Close Price')
plt.title('Time Series Colored by Cluster Labels')
plt.legend()
plt.xticks(rotation=45)
plt.tight_layout()
plt.show()

3. 关键说明 #

• 滑动窗口索引与原始数据索引的对应关系是核心，标签映射的位置可根据业务需求调整（比如窗口中点、起始点）。
• 重叠窗口的标签冲突，优先取最后覆盖点的标签是最常用的处理方式，也可结合聚类置信度选择最优标签。

内容的提问来源于stack exchange，提问作者Ernesto Lopez Fune