Python中数组模式识别：如何分离聚类为~1和~9的元素

没问题！既然你已经明确观察到数据聚类在**_1**和**9**这两个区间附近，完全不需要用复杂的无监督聚类算法（比如K-Means），用简单的筛选逻辑就能高效搞定。

方法一：固定阈值筛选 #

因为你的两组数据间隔非常明显（1附近的最大值是1.2，9附近的最小值是8.9），直接用两者的中间值作为分界阈值就行：

# 原始数组
A = [1.0, 1.1, 9.0, 9.2, 0.9, 9.1, 1.0, 1.0, 1.2, 9.2, 8.9, 1.1]

# 取1和9的中间值作为分界阈值
threshold = 5.0
a_1 = [num for num in A if num < threshold]  # 筛选~1附近的元素
a_2 = [num for num in A if num >= threshold] # 筛选~9附近的元素

print("a_1 (elements around ~1):", a_1)
print("a_2 (elements around ~9):", a_2)

运行后会得到你想要的结果：

a_1 (elements around ~1): [1.0, 1.1, 0.9, 1.0, 1.0, 1.2, 1.1]
a_2 (elements around ~9): [9.0, 9.2, 9.1, 9.2, 8.9]

方法二：基于距离的分类（更鲁棒） #

如果后续数据可能出现靠近中间的情况，或者你想更精准地基于“距离聚类中心更近”来分类，可以计算每个元素到两个中心的绝对距离，归到更近的组：

# 原始数组
A = [1.0, 1.1, 9.0, 9.2, 0.9, 9.1, 1.0, 1.0, 1.2, 9.2, 8.9, 1.1]

# 定义两个聚类的中心值
center_1 = 1.0
center_9 = 9.0

a_1 = []
a_2 = []
for num in A:
    # 计算到两个中心的绝对距离
    dist_to_1 = abs(num - center_1)
    dist_to_9 = abs(num - center_9)
    # 归到距离更近的组
    if dist_to_1 < dist_to_9:
        a_1.append(num)
    else:
        a_2.append(num)

print("a_1:", a_1)
print("a_2:", a_2)

这个方法的适应性更强，哪怕未来数据出现比如5左右的异常值，也能正确判断它属于哪一组（当然如果是完全无关的异常值，可能需要额外处理，但你的场景里暂时不需要）。

两种方法都能完美满足你的需求，选哪种取决于你后续数据的稳定性~

内容的提问来源于stack exchange，提问作者urgeo