1

我正在使用 HDBSCAN，我只想绘制一个数据集群。

这是我当前的代码：

import hdbscan
import pandas as pd
from sklearn.datasets import make_blobs

blobs, labels = make_blobs(n_samples=2000, n_features=10)

clusterer = hdbscan.HDBSCAN(min_cluster_size=15).fit(blobs)
color_palette = sns.color_palette('deep', 8)
cluster_colors = [color_palette[x] if x >= 0
                  else (0.5, 0.5, 0.5)
                  for x in clusterer.labels_]
cluster_member_colors = [sns.desaturate(x, p) for x, p in
                         zip(cluster_colors, clusterer.probabilities_)]
plt.scatter(blobs[:, 2], blobs[:, 5], s=50, linewidth=0, c=cluster_member_colors, alpha=0.25)
plt.show()

我知道数据有 3 个集群，但我怎样才能只绘制其中一个？

如果我有一个聚类点，我怎么知道熊猫数据框的哪一列对应于那个点？

4

1 回答 1

1

我建议将所有相关信息添加到 pandas 数据框中。

df = pd.DataFrame(blobs)

clusterer = hdbscan.HDBSCAN(min_cluster_size=15).fit(blobs)
df['cluster'] = clusterer.labels_
df['probability'] = clusterer.probabilities_

color_palette = sns.color_palette('deep', 8)
def get_member_color(row):
    if row['cluster'] >= 0:
        c = color_palette[int(row['cluster'])]
    else:
        c = (0.5, 0.5, 0.5)
    
    member_color = sns.desaturate(c, row['probability'])
    return member_color

df['member_color'] = df.apply(get_member_color, axis=1)

现在，您可以轻松地过滤它们所属的集群之后的行。例如，要绘制属于集群 2 的所有样本，我们可以这样做：

df2 = df.loc[df['cluster'] == 2]
plt.scatter(df2.iloc[:, 2], df2.iloc[:, 5], s=50, linewidth=0, c=df2['member_color'], alpha=0.25)
plt.show()
于 2021-10-08T09:05:54.380 回答