请求提供基于scikit-learn绘制时间序列聚类质心的示例

没问题，我来给你一个完整的可运行示例，一步步实现用scikit-learn对你提供的四个时间序列（A_001到A_004）做K-means聚类，并绘制聚类质心，同时把日期显示在左侧。

1. 数据预处理 #

首先我们需要处理你提供的特殊格式数据集（分号分隔、逗号作为小数点），转换成pandas可处理的格式：

import pandas as pd
import numpy as np
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

# 你的原始数据集
raw_data = """
"";"A_001";"A_002";"A_003";"A_004"
"2011-01-01 00:15:00";71,7703349282297;260,416666666667;45,7217504898759;68,203368683718
"2011-01-01 00:30:00";70,7703349282289;270,833333333333;39,1900718484651;68,203368683718
"2011-01-01 00:45:00";62,200956937799;260,416666666667;45,7217504898759;39,6791443850267
"2013-01-06 07:15:00";15,2284263959391;40,5405405405405;1,73761946133797;95,5284552845528
"2013-01-06 08:00:00";13,9593908629442;41,2517780938834;1,73761946133797;119,918699186992
"""

# 读取数据：指定分隔符为分号，小数点为逗号，第一列作为索引
df = pd.read_csv(pd.compat.StringIO(raw_data), sep=';', decimal=',', index_col=0)
# 将索引转换为datetime类型，方便后续处理
df.index = pd.to_datetime(df.index)

2. 准备聚类用的时间序列数据 #

对于时间序列聚类，我们把每个列（A_001、A_002等）看作一个独立的样本，每个样本的特征就是该序列在各个时间点的数值。所以需要把数据集转置，让行变成样本，列变成时间点特征：

# 转置数据集：行是时间序列样本，列是对应时间点的数值
X = df.T.values

3. 执行K-means聚类 #

这里我们选择聚类数k=2（你可以根据自己的需求调整这个数值）：

# 初始化KMeans模型，设置随机种子保证结果可复现
kmeans = KMeans(n_clusters=2, random_state=42)
# 拟合数据并获取每个样本的聚类标签
cluster_labels = kmeans.fit_predict(X)
# 获取聚类质心：每个质心的维度对应一个时间点的均值
centroids = kmeans.cluster_centers_

4. 绘制质心与原时间序列（日期显示在左侧） #

接下来我们用matplotlib绘图，把日期放在y轴左侧，每个时间点对应一行，同时展示原始时间序列的点和聚类质心的趋势线：

# 设置绘图风格
plt.style.use('seaborn-v0_8')
fig, ax = plt.subplots(figsize=(10, 6))

# 把时间点格式化为字符串，作为y轴标签
timestamps = df.index.strftime('%Y-%m-%d %H:%M:%S').tolist()
# 给每个时间点分配y轴位置
y_pos = np.arange(len(timestamps))

# 绘制每个原始时间序列的散点
for i, col_name in enumerate(df.columns):
    ax.scatter(df[col_name].values, y_pos, 
               label=f'{col_name} (Cluster {cluster_labels[i]})', 
               alpha=0.7, s=80)

# 绘制每个聚类的质心线
for cluster_idx in range(kmeans.n_clusters):
    centroid_values = centroids[cluster_idx]
    ax.plot(centroid_values, y_pos, 
            marker='o', linestyle='--', linewidth=2, 
            label=f'Cluster {cluster_idx} Centroid', 
            color=f'C{cluster_idx+2}')

# 配置y轴：显示日期在左侧
ax.set_yticks(y_pos)
ax.set_yticklabels(timestamps)
# 设置坐标轴标题
ax.set_xlabel('Numerical Value')
ax.set_ylabel('Timestamp')
ax.set_title('Time Series Clustering Centroids (Timestamps on Left)')
# 把图例放在图外，避免遮挡
ax.legend(bbox_to_anchor=(1.05, 1), loc='upper left')
# 调整布局，确保所有元素都显示完整
plt.tight_layout()
plt.show()

关键细节说明 #

• 这里的聚类逻辑是：把每个变量的完整时间序列当作一个样本，KMeans根据这些序列的整体数值分布进行分组，质心代表该组所有序列在各个时间点的平均数值。
• 如果你的时间序列更长，或者有更多变量，只需要替换原始数据，代码逻辑完全通用。
• 你可以尝试调整n_clusters的值，或者改用其他聚类算法（比如DBSCAN），但KMeans是最容易理解和入门的时间序列聚类方法之一。

内容的提问来源于stack exchange，提问作者user9026419