按给定范围对数据进行分组

Question

我正在寻找一种算法来获得不同值的不同平均值。 例子： 我的值是 1.6、1.7、5.6、5.7、5,5 所以输出应该是 1.65 和 5.7

Answer 1

如果你知道每个簇周围的“范围”意味着

一个可能的简单解决方案：将每个值四舍五入为“范围”参数的倍数；将四舍五入为相同倍数的值分组。

要进行分组，您可以使用sorted 和itertools.groupby 的组合，或者更简单地说，您可以使用dict 或lists。

from collections import defaultdict

def clusters(data, r):
    groups = defaultdict(list)
    for x in data:
        groups[x // r].append(x)
    return groups

def means_of_clusters(data, r):
    return [sum(g) / len(g) for g in clusters(data, r).values()]

print( means_of_clusters([1.6, 1.7, 5.6, 5.7, 5.5], 0.4) )
# [1.65, 5.55, 5.7]

请注意 5.7 是如何与 5.5 和 5.6 分开的，因为 5.5 和 5.6 舍入为 13*0.4，而 5.7 舍入为 14*0.4。

如果你知道集群的数量

您在 cmets 中提到总会有 2 个集群。我建议只寻找排序列表中两个连续数字之间的最大差距，然后在该差距上进行拆分：

def split_in_2_clusters(data):
    seq = sorted(data)
    split_index = max(range(1, len(seq)), key=lambda i: seq[i] - seq[i-1])
    return seq[:split_index], seq[split_index:]

def means_of_2_clusters(data):
    return tuple(sum(g) / len(g) for g in split_in_2_clusters(data))

print( means_of_2_clusters([1.6, 1.7, 5.6, 5.7, 5.5]) )
# (1.65, 5.6000000000000005)

对于更复杂的聚类问题

我强烈建议查看库 scikit-learn 中实现的所有聚类算法。文档页面在一个漂亮的表格中列出了算法，解释了哪个算法需要哪些参数；因此您可以轻松选择最适合您情况的算法。

• scikit-learn: Clustering algorithms