使用 K-means 缩放后如何使用原始变量绘制散点图答案

【问题标题】：How to plot scatter plot with original variables after scalling with K-means使用 K-means 缩放后如何使用原始变量绘制散点图
【发布时间】：2021-12-21 12:50:40
【问题描述】：

我已经缩放了我的原始数据 X1：

scaler = StandardScaler()
X1_scaled = pd.DataFrame(scaler.fit_transform(X1),columns = X1.columns)

然后进行k-means聚类：

kmeans = KMeans(
        init="random",
        n_clusters=3,
        n_init=10,
        max_iter=300,
        random_state=123)   
X1['label'] = kmeans.fit_predict(X1_scaled[['Wn', 'LL']])

# get centroids
centroids = kmeans.cluster_centers_
cen_x = [i[0] for i in centroids] 
cen_y = [i[1] for i in centroids]

现在，我想绘制原始数据（X1）和质心，但是质心被缩放了，所以当我绘制结果时：

g = sns.scatterplot(x=X1.Wn, y= X1.LL, hue=X1.label,
              data=X1, palette='colorblind', 
                   legend='full')
g = sns.scatterplot(cen_x,cen_y,s=80,color='black')

质心在集群之外。如何使用组和质心绘制原始数据？

这是我得到的图像：

这是我想要的，但使用原始数据而不是缩放数据：

【问题讨论】：

这能回答你的问题吗？ scikit-learn: how to scale back the 'y' predicted result
@JohanC 不，因为我需要原始比例的质心值，而不是我原来的 X（我有这个，因为我保留它并创建一个新的 X_scaled）。跨度>

标签： plot seaborn cluster-analysis k-means

【解决方案1】：

您可以在质心上调用scaler.inverse_transform()。（请注意，sns.scatterplot 是 axes-level function 并返回 ax，而不是 FacetGrid。）

from sklearn.preprocessing import StandardScaler
from sklearn.cluster import KMeans
from matplotlib import pyplot as plt
import seaborn as sns
import pandas as pd
import numpy as np

X1 = pd.DataFrame({'Wn': np.random.rand(30) * 12, 'LL': np.random.rand(30) * 6})

scaler = StandardScaler()
X1_scaled = pd.DataFrame(scaler.fit_transform(X1), columns=X1.columns)

kmeans = KMeans(init="random",
                n_clusters=3,
                n_init=10,
                max_iter=300,
                random_state=123)
X1['label'] = kmeans.fit_predict(X1_scaled[['Wn', 'LL']])

# get centroids
centroids = scaler.inverse_transform(kmeans.cluster_centers_)
cen_x = [i[0] for i in centroids]
cen_y = [i[1] for i in centroids]

ax = sns.scatterplot(x='Wn', y='LL', hue='label',
                     data=X1, palette='colorblind',
                     legend='full')
sns.scatterplot(x=cen_x, y=cen_y, s=80, color='black', ax=ax)

plt.tight_layout()
plt.show()

【讨论】：