如何在 Python 中按距离条件对列表列表进行聚类答案

【问题标题】：How to cluster list-of-list by distance condition in Python如何在 Python 中按距离条件对列表列表进行聚类
【发布时间】：2015-01-15 04:18:17
【问题描述】：

我有以下包含 6 个条目的列表：

lol = [['a', 3, 1.01],
       ['x', 5, 1.00],
       ['k', 7, 2.02],
       ['p', 8, 3.00],
       ['b', 10, 1.09], 
       ['f', 12, 2.03]]

lol 中的每个子列表包含 3 个元素：

['a', 3, 1.01]
  e1  e2  e3

上面的列表已经按照e2（即第二个元素）排序

我想大致按照以下步骤“聚类”上述列表：

选择lol 中最低的条目（wrt.e2）作为第一个集群的键
将其指定为集群的第一个成员（列表字典）
计算下一个列表中与第一个成员的差值电流 e3 现有集群。
如果差值小于阈值，则将该列表指定为对应集群的成员否则，使用当前列表作为新键创建新集群。
重复其余部分直到完成

最终结果将如下所示，阈值

dol = {'a':['a', 'x', 'b'],
       'k':['k', 'f'],
       'p':['p']}

我对此感到困惑，正确的做法是什么：

import json
from collections import defaultdict

thres = 0.1
tmp_e3 = 0
tmp_e1 = "-"

lol = [['a', 3, 1.01], ['x', 5, 1.00], ['k', 7, 2.02],
       ['p', 8, 3.00], ['b', 10, 1.09], ['f', 12, 2.03]]

dol = defaultdict(list)
for thelist in lol:
    e1, e2, e3 = thelist

    if tmp_e1 == "-":
        tmp_e1 = e1
    else:
        diff = abs(tmp_e3 - e3)
        if diff > thres:
            tmp_e1 = e1

    dol[tmp_e1].append(e1)
    tmp_e1 = e1
    tmp_e3 = e3

print json.dumps(dol, indent=4)

【问题讨论】：

print json.dumps(dol, indent=4) 给你什么？
@Yax: {'a': ['a', 'x'], 'b': ['b'], 'f': ['f'], 'k': ['k'], 'p': ['p']}
对不起，我出去祈祷了。您将通过执行代码来考虑这一点。现在，在您的 else 语句中包含 print diff > thress, thelist 以查看它给出的提示。
记住第一个列表也将满足您的条件，现在将成为 5。
OT：我推荐 pprint.pprint(data) 而不是 print json.dumps(data)

标签： python algorithm cluster-analysis

【解决方案1】：

我会首先确保 lol 在第二个元素上排序，然后在列表中迭代只保留第一个元素中不在阈值中的内容：

import json

thres = 0.1
tmp_e3 = 0
tmp_e1 = "-"

lol = [['a', 3, 1.01], ['x',5, 1.00],['k',7, 2.02],
       ['p',8, 3.00], ['b', 10, 1.09], ['f', 12, 2.03]]

# ensure lol is sorted
lol.sort(key = (lambda x: x[1]))
dol = {}

while len(lol) > 0:
    x = lol.pop(0)
    lol2 = []
    dol[x[0]] = [ x[0] ]
    for i in lol:
        if abs(i[2] - x[2]) < thres:
            dol[x[0]].append(i[0])
        else:
            lol2.append(i)
    lol = lol2

print json.dumps(dol, indent=4)

结果：

{
    "a": [
        "a", 
        "x", 
        "b"
    ], 
    "p": [
        "p"
    ], 
    "k": [
        "k", 
        "f"
    ]
}

【讨论】：

【解决方案2】：

撇开 e2/e3 不谈，这是一个粗略的草案。

第一个生成器按值对数据进行分组，但它确实需要按值对数据进行排序。

然后是一个示例使用，首先是原始数据，然后是按值重新排序的数据。

In [32]: def cluster(lol, threshold=0.1):
    cl, start = None, None
    for e1, e2, e3 in lol:
        if cl and abs(start - e3) <= threshold:
            cl.append(e1)
        else:
            if cl: yield cl
            cl = [e1]
            start = e3
             if cl: yield cl

In [33]: list(cluster(lol))
Out[33]: [['a', 'x'], ['k'], ['p'], ['b'], ['f']]

In [34]: list(cluster(sorted(lol, key = lambda ar:ar[-1])))
Out[34]: [['x', 'a', 'b'], ['k', 'f'], ['p']]

【讨论】：