如何使用Scikit-learn计算已有带标签聚类的簇质心

没问题！针对已经有聚类标签的数据集计算质心其实超简单，用Scikit-learn配合基础数据处理工具就能轻松搞定——毕竟标签都给你分好组了，根本不需要再跑一遍聚类算法～

核心思路 #

首先明确：在欧氏距离的定义下，簇的质心就是该簇内所有样本特征的均值向量，因为均值向量到簇内所有点的平方距离之和是最小的，完全符合你要的“与簇内所有数据点距离最小的向量”的要求。所以我们的核心操作就是：按聚类标签分组，计算每组的特征均值。

代码实现（两种常见场景） #

场景1：处理NumPy数组格式的特征数据 #

如果你的特征是用NumPy数组存储的，直接按标签筛选分组计算均值即可：

import numpy as np
# 可选：如果数据需要标准化，导入Scikit-learn的标准化工具
from sklearn.preprocessing import StandardScaler

# 示例数据：X是特征矩阵（样本数×特征数），labels是已有的聚类标签数组
X = np.array([[1, 2], [2, 3], [3, 4], [10, 11], [11, 12], [12, 13]])
labels = np.array([0, 0, 0, 1, 1, 1])

# 获取所有唯一的聚类标签
unique_labels = np.unique(labels)

# 遍历每个标签，计算对应簇的质心
centroids = []
for label in unique_labels:
    # 筛选出当前簇的所有样本
    cluster_samples = X[labels == label]
    # 按特征维度（axis=0）计算均值，得到质心
    centroid = cluster_samples.mean(axis=0)
    centroids.append(centroid)

# 转换成NumPy数组方便后续使用
centroids = np.array(centroids)
print("各簇质心：\n", centroids)

运行这段代码后，你会得到两个簇的质心：[[2. 3.] [11. 12.]]，完全符合示例数据的分布。

场景2：处理Pandas DataFrame格式的数据集 #

如果你的数据是用DataFrame存储的（实际项目中很常见），用分组聚合的方式会更简洁：

import pandas as pd

# 将示例数据转换成DataFrame
df = pd.DataFrame(X, columns=["feature1", "feature2"])
df["cluster_label"] = labels

# 按聚类标签分组，计算每个特征的均值（即质心）
centroids_df = df.groupby("cluster_label").mean()

# 转换成NumPy数组（如果需要的话）
centroids = centroids_df.values
print("各簇质心：\n", centroids_df)

这种方式更直观，输出的结果会保留特征列名，方便查看每个特征维度的质心值。

额外注意：标准化数据的质心还原 #

如果你的数据之前做过标准化处理（比如用StandardScaler），那上面计算出来的质心是标准化后的尺度。如果需要还原到原始数据的尺度，记得用标准化器的inverse_transform方法：

# 假设之前对数据做了标准化
scaler = StandardScaler()
X_scaled = scaler.fit_transform(X)

# 计算标准化后的质心
centroids_scaled = []
for label in unique_labels:
    cluster_samples = X_scaled[labels == label]
    centroid = cluster_samples.mean(axis=0)
    centroids_scaled.append(centroid)
centroids_scaled = np.array(centroids_scaled)

# 还原到原始数据尺度
centroids_original = scaler.inverse_transform(centroids_scaled)
print("原始尺度下的质心：\n", centroids_original)

这样得到的质心就和原始数据的数值范围一致了。

内容的提问来源于stack exchange，提问作者sheldonzy