Kmeans计算簇半径时euclidean_distances取[:,0]的含义及原因

你疑惑的核心点是没搞清楚euclidean_distances的返回值结构：

• 这个scikit-learn自带的距离计算函数，返回的是二维距离矩阵，形状规则为(第一个参数的样本数, 第二个参数的样本数)，矩阵第i行第j列的值，就是第一个参数里的第i个样本，到第二个参数里第j个样本的欧氏距离。
• 看你代码里的传参：第一个参数X是当前簇的所有观测样本，第二个参数传的是[center]——你把单个簇中心包成了长度为1的列表，也就是说第二个参数里只有1个样本（就是当前簇中心），所以返回的距离矩阵形状是(簇内样本数, 1)，全程只有1列，根本不存在第二列。

这时候再看[:, 0]的作用，这是numpy的标准二维数组索引语法：

• 索引第一维（行位置）写:，代表选中所有行，也就是覆盖簇内的全部观测样本
• 索引第二维（列位置）写0，代表选中第0列，也就是距离矩阵里唯一的那一列
• 经过这个索引后，原本形状为(n,1)的二维距离矩阵，会被转换成形状为(n,)的一维数组，数组里每个元素就是对应样本到当前簇中心的直线距离，之后用np.max取最大值，得到的就是簇的半径（簇内离中心最远的点到中心的距离）。

举个直观的例子，如果你的簇内有3个样本，euclidean_distances(X, [center])直接返回的结果是这样的二维数组：

# 形状为(3,1)
array([[0.32],
       [1.74],
       [0.89]])

如果不加[:,0]直接对这个二维数组求最大值，虽然数值结果不会错，但保留冗余的维度会给后续其他计算带来不必要的麻烦，所以这里加索引压平维度是非常常规的写法。

内容的提问来源于stack exchange，提问作者Joseph_