Pandas按月分组聚类后按簇均值排名赋值的代码修复问题
Pandas分组KMeans聚类后按簇均值排名映射标签修复方案
错误原因
原有代码的核心问题如下:
- 排名逻辑未按
Month单独分组,是全局所有数据统一排名,不符合「每个月份内单独对簇计算排名」的需求 - 直接对transform返回的全量均值做排名,没有先聚合到簇维度,排名逻辑混乱
修复后完整可运行代码
import pandas as pd from sklearn.cluster import KMeans # 示例DataFrame df = pd.DataFrame({ 'Month': [1,1,1,1,1,1,3,3,3,3,3,3,3], 'X1': [10,15,24,32,8,6,10,23,24,56,45,10,56], 'X2': [12,90,20,40,10,15,30,40,60,42,2,4,10], 'X3': [34,65,34,87,100,65,78,67,34,98,96,46,76] }) # 聚类逻辑(添加random_state固定结果,避免KMeans随机初始化导致结果波动) def cluster(X, n_clusters): k_means = KMeans(n_clusters=n_clusters, random_state=42).fit(X.values.reshape(-1, 1)) return k_means.labels_ cols = pd.Index(["X3"]) df[cols + "_cluster_id"] = df.groupby("Month")[cols].transform(cluster, n_clusters=3) # 排名与映射逻辑 # 1. 先聚合得到每个月每个簇的X3均值 cluster_mean_df = df.groupby(['Month', 'X3_cluster_id'], as_index=False)['X3'].mean().rename(columns={'X3':'cluster_x3_mean'}) # 2. 每个月内按均值升序排名:最低均值=1,中等=2,最高=3,完全匹配需求的赋值规则 cluster_mean_df['product_rank'] = cluster_mean_df.groupby('Month')['cluster_x3_mean'].rank(method='dense', ascending=True).astype(int) # 3. 映射为标签 mapping = {1: 'weak', 2: 'average', 3: 'good'} cluster_mean_df['product_category'] = cluster_mean_df['product_rank'].map(mapping) # 4. 把结果合并回原始DataFrame df = df.merge(cluster_mean_df[['Month', 'X3_cluster_id', 'product_rank', 'product_category']], on=['Month', 'X3_cluster_id'], how='left')
逻辑说明
- 先把数据聚合到「月份+簇ID」维度计算均值,避免重复计算
- 每个月份单独排名,保证不同月份的排名互不影响
- 升序排名刚好符合「最低均值对应1、最高均值对应3」的赋值要求,和预设的mapping完全匹配
- 最后用merge把排名和标签映射回原始数据的每一行,结果准确
内容的提问来源于stack exchange,提问作者melik
相关产品推荐
相关产品推荐

