时间序列聚类问题：聚类时如何保留时间戳索引但不将其作为特征

核心逻辑是K-Means的输出结果顺序和你输入聚类模型的样本顺序完全一一对应，只要保证特征提取时不打乱原DataFrame的行顺序，就能直接把聚类结果和原时间戳绑定，无需把时间戳纳入特征参与运算。

具体操作步骤 #

• 第一步：从原DataFrame中仅提取10个特征列做预处理，不要改动原DataFrame的行顺序
  示例代码：

  import pandas as pd
  import numpy as np
  from sklearn.cluster import KMeans
  from sklearn.preprocessing import StandardScaler
  
  # 假设你的原数据集为df，timestamp是df的索引，10个特征为df的普通列
  feature_cols = df.columns.tolist()
  X = df[feature_cols].values
  

• 第二步：对特征做缩放，执行K-Means聚类
  示例代码：

  scaler = StandardScaler()
  X_scaled = scaler.fit_transform(X)
  kmeans = KMeans(n_clusters=3, random_state=42)
  # 聚类得到的labels顺序和X的行顺序、原df的行顺序完全一致
  labels = kmeans.fit_predict(X_scaled)
  

• 第三步：把聚类标签贴回原DataFrame，直接通过索引关联时间戳
  示例代码：

  df['cluster_label'] = labels
  

按簇提取对应时间戳的方法 #

提取指定簇的所有时间戳：

# 示例：提取簇0的所有时间戳
cluster_0_timestamps = df[df['cluster_label'] == 0].index.tolist()

批量汇总所有簇对应的时间戳：

cluster_timestamp_map = df.groupby('cluster_label').apply(lambda x: x.index.tolist()).to_dict()

注意事项 #

• 不要对提取后的特征矩阵单独做shuffle操作，否则会打乱和原DataFrame的行对应关系
• 如果中间需要做缺失值删除、异常值过滤等操作，直接在原DataFrame上处理后再提取特征，保证行顺序一致

内容的提问来源于stack exchange，提问作者Ghadah