Python下hierarchical agglomerative clustering簇文章计数及簇名获取问题

参考你提到的HAC簇创建流程的标准实现（基于sklearn，工业界最常用的HAC开发接口）：

from sklearn.cluster import AgglomerativeClustering
import numpy as np
import pandas as pd

# 假设X是你预处理完成的文章特征矩阵（如TF-IDF、句向量矩阵）
hac_model = AgglomerativeClustering(n_clusters=5, linkage='ward')
hac_model.fit(X)

1. 一行代码统计并展示各簇的文章数量 #

两种常用单行实现，直接运行即可输出结果：

• 带清晰格式的直观输出（推荐用pandas版本）：
  print(pd.Series(hac_model.labels_).value_counts().sort_index())
  输出会自动按簇ID排序，同时展示每个簇对应的文章计数，适合快速核对簇分布。
• 纯numpy无额外依赖的实现：
  print({cid: cnt for cid, cnt in zip(*np.unique(hac_model.labels_, return_counts=True))})
  直接输出字典结构的簇ID-文章数映射，不需要依赖pandas。

2. 获取算法生成的所有簇的名称标识 #

首先明确：HAC算法本身没有内置的语义化命名逻辑，所有簇的官方唯一标识就是拟合完成后输出的整数型ID。

• 提取所有簇的内置标识列表：
  cluster_ids = np.unique(hac_model.labels_)
  拿到的数组就是所有不重复的簇ID集合，和前面统计的计数键完全一一对应。
• 如果需要自定义语义化簇名（比如提取簇内高频关键词命名），可以自行建立映射关系：
  比如先定义cluster_name_map = {0: "时政类文章", 1: "文娱类文章", ...}，之后通过列表推导[cluster_name_map[cid] for cid in cluster_ids]就能拿到你需要的自定义名称列表。

小提示：如果你用的是fit_predict方法完成聚类（比如代码写成cluster_labels = hac_model.fit_predict(X)），把上述所有代码里的hac_model.labels_替换成cluster_labels就能正常运行，逻辑没有区别。

内容的提问来源于stack exchange，提问作者CoderGirl