Python: Wie man Anfangsschwerpunkte auf spezifische Datenpunkte in k-Mitteln setzt?

Question

Ich habe folgende Daten:

import pandas as pd 
import random 
import matplotlib.pyplot as plt 

df = pd.DataFrame() 
df['x'] = [3, 2, 4, 3, 4, 6, 8, 7, 8, 9] 
df['y'] = [3, 2, 3, 4, 5, 6, 5, 4, 4, 3] 
df['val'] = [1, 10, 1, 1, 1, 8, 1, 1, 1, 1] 

k = 2 
centroids = {i + 1: [np.random.randint(0, 10), np.random.randint(0, 10)] for i in range(k)} 

plt.scatter(df['x'], df['y'], color='blue') 
for i in centroids.keys(): 
    plt.scatter(*centroids[i], color='red', marker='^') 
plt.show() 

Ich möchte mit dem höchsten Wert der anfänglichen Zentroide auf Datenpunkte setzen. In diesem Fall sollten die Schwerpunkte auf Datenpunkten mit den Koordinaten (2, 2) und (6, 6) liegen.

x y val 
0 3 3 1 
1 2 2 10 
2 4 3 1 
3 3 4 1 
4 4 5 1 
5 6 6 8 
6 8 5 1 
7 7 4 1 
8 8 4 1 
9 9 3 1 

Answer 1

Sie können die Datenrahmen von val Spalte sortieren die Indizes von oben k Werte zu erhalten und dann den Datenrahmen schneiden df.iloc verwenden.

---

in der absteigenden Reihenfolge Reihenfolge:

df = df.sort_values('val', ascending=False) 
print(df) 

    x y val 
1 2 2 10 
5 6 6 8 
0 3 3 1 
2 4 3 1 
3 3 4 1 
4 4 5 1 
6 8 5 1 
7 7 4 1 
8 8 4 1 
9 9 3 1 

Schneidens des Datenrahmens:

k=2 # Number of centroids 
highest_points_as_centroids = df.iloc[0:k,[0,1]] 

print(highest_points_as_centroids) 

    x y 
1 2 2 
5 6 6 

Sie das X erhalten, y-Werte als numpy Array von highest_points_as_centroids.values

array([[2, 2], 
     [6, 6]], dtype=int64) 

---

EDIT1:

Oder kurz und bündig (wie von @sharatpc vorgeschlagen)

df.nlargest(2, 'val')[['x','y']].values 
array([[2, 2], 
    [6, 6]], dtype=int64) 

EDIT2:

Wie OP bemerkte, dass sie die Schwer wollen in einem Wörterbuch sein:

centroids = highest_points_as_centroids.reset_index(drop=True).T.to_dict('list') 
print(centroids) 
{0: [2L, 2L], 1: [6L, 6L]} 

Wenn die Wörterverzeichnisschlüssel unbedingt benötigt werden, um von 1:

zu starten 10

highest_points_as_centroids.reset_index(drop=True, inplace=True) 
highest_points_as_centroids.index +=1 
centroids = highest_points_as_centroids.T.to_dict('list') 
print(centroids) 
{1: [2L, 2L], 2: [6L, 6L]} 

Answer 2

einfach zu beantworten @ arzamoona die weiteren Fragen, an einem Ort:

import pandas as pd 
import random 
import matplotlib.pyplot as plt 

df = pd.DataFrame() 
df['x'] = [3, 2, 4, 3, 4, 6, 8, 7, 8, 9] 
df['y'] = [3, 2, 3, 4, 5, 6, 5, 4, 4, 3] 
df['val'] = [1, 10, 1, 1, 1, 8, 1, 1, 1, 1] 

k = 2 
centroids=df.nlargest(k, 'val')[['x','y']] 

plt.scatter(df['x'], df['y'], color='blue') 
plt.scatter(centroids.x, centroids.y, color='red', marker='^') 
plt.show() 

Und dann die Schwerpunktwerte zu einem Wörterbuch hinzuzufügen:

{i:v for i,v in enumerate(centroids.values.tolist())} 
{0: [2, 2], 1: [6, 6]}