如何基于单特征列使用KMeans/KModes实现OU维度分组聚类

你当前代码直接将逐行账户明细数据输入聚类模型，模型默认以单条账户记录为聚类样本，自然不会输出OU维度的聚类结果。要实现17个OU的分组聚类，核心是先把数据聚合到OU粒度，再以OU为样本做聚类，最后将结果映射回原明细即可，具体操作如下：

• 第一步：按OU维度聚合生成OU级训练样本
  聚类的输入样本必须和聚类目标对齐：要给OU聚类，就要先把单条账户的特征汇总成每个OU的整体特征，聚合后最终训练集共17行，每行对应1个OU的特征画像。
  聚合时根据字段类型选择统计逻辑：数值型字段可计算每个OU下的均值、中位数、标准差、分位数；分类型字段可计算每个OU下各类别的占比、众数。
  参考聚合代码：

  import pandas as pd
  
  # 替换为你数据集里的实际字段名
  num_cols = ["注册天数", "近30天登录次数", "账户余额"]  # 数值型特征列
  cat_cols = ["账户等级", "认证状态", "所属行业"]       # 分类型特征列
  
  # 数值字段聚合
  num_agg = df.groupby("OU")[num_cols].agg(["mean", "median", "std"])
  num_agg.columns = [f"{col}_{stat}" for col, stat in num_agg.columns]
  
  # 分类型字段转onehot后计算各类别在OU下的占比
  cat_dum = pd.get_dummies(df[["OU"] + cat_cols], columns=cat_cols)
  cat_agg = cat_dum.groupby("OU").mean()
  
  # 合并为OU级别的训练数据集
  ou_level_df = pd.concat([num_agg, cat_agg], axis=1).reset_index()
  

• 第二步：基于OU级数据集训练聚类模型
  训练时注意剔除OU名称这类标识列，只输入特征字段，得到每个OU对应的聚类分组：

  from kmodes.kmodes import KModes
  
  # 剔除非特征的OU标识列
  train_features = ou_level_df.drop(columns=["OU"])
  kmode = KModes(n_clusters=3, init="random", n_init=5, verbose=1)
  ou_cluster_res = kmode.fit_predict(train_features)
  
  # 构造OU和聚类簇的映射关系
  ou_cluster_map = dict(zip(ou_level_df["OU"], ou_cluster_res))
  

  小提示：如果你聚合后的OU特征以数值型为主，将上述KModes替换为KMeans即可，整体流程完全一致。

• 第三步：将聚类结果映射回原始明细数据集
  不需要直接在模型输出结果上插列，通过OU映射关系给原表每条账户匹配所属OU的聚类结果即可：

  df["Cluster"] = df["OU"].map(ou_cluster_map)
  df.head(10)
  

注意：如果你的数据集除了OU、账户ID之外没有其他任何特征字段，将不具备OU聚类的特征基础，需要补充OU维度的属性特征（比如OU所属大区、人员规模、业务线属性等）后再开展聚类。

内容的提问来源于stack exchange，提问作者node1