向数组追加k-means聚类中心值时出现数据重复问题咨询

你没有错误使用append方法，当前结果和预期不符来自两个原因：

1. 循环次数设置错误：你写的range(1,3)是左闭右开区间，实际只会执行2次循环，和你计划运行3次算法的目标不一致，要跑3次需要写成range(3)或者range(1,4)。
2. 对返回结果的结构认知有偏差：km.cluster_centers_本身就是形状为(聚类数, 特征数)的二维numpy数组，你每次循环把当次运行得到的二维数组追加到列表中，最终得到的「包含多个numpy数组的列表」是符合代码逻辑的正常结果，不是重复追加内容。你贴出的两个数组数值排列顺序不同，是因为每次循环都随机打乱了输入特征的列顺序，聚类中心的列对应打乱后的特征顺序，不属于值重复问题。

根据你的存储需求选对应实现即可：

• 如果只需要获取单次k-means运行的聚类中心二维数组，不需要提前创建列表循环追加，模型拟合完成后直接取km.cluster_centers_，就是你预期的二维数组结构。
• 如果确实需要存储多次k-means运行的所有聚类中心，不需要更换数据结构，两种处理方式都可以：
  • 保留现有列表结构：通过列表索引就能取出对应轮次的二维聚类中心数组，比如center_array[0]就是第一次运行得到的4行聚类中心结果，结构和你给出的预期样例完全一致。
  • 合并为高维numpy数组：所有循环运行完成后，执行np.array(center_array)就能把列表内的多个二维数组合并为形状为(运行次数, 聚类数, 特征数)的三维numpy数组，更方便后续做批量数值计算。

import numpy as np
from sklearn.cluster import KMeans
from sklearn.preprocessing import MinMaxScaler

# 初始化归一化工具
mms = MinMaxScaler()
run_times = 3
center_list = []

for i in range(run_times):
    # 复制原数据避免修改原始数据集
    X = dataML.copy()
    # 按固定随机种子打乱特征列顺序
    shuffled_cols = np.random.default_rng(seed=i).permutation(X.columns.values)
    X = X[shuffled_cols]
    print(X.head())
    # 数据归一化
    Xnorm = mms.fit_transform(X)
    # 训练k-means模型
    km = KMeans(n_clusters=4, n_init=10, max_iter=30, random_state=42)
    y_kmeans = km.fit_predict(Xnorm)
    # 追加当次计算得到的聚类中心
    center_list.append(km.cluster_centers_)

# 取第一次运行的聚类中心，即为预期的二维数组
first_run_center = center_list[0]
# 如需合并所有轮次结果为三维数组可执行以下代码
all_centers = np.array(center_list)

注意：由于你每次循环都会打乱输入特征的列顺序，不同轮次得到的聚类中心列顺序和原始特征列顺序不对应，解读结果时需要匹配当次打乱后的特征顺序。

内容的提问来源于stack exchange，提问作者P.Brito