python函一维聚类_一维数组的聚类

需求：分析订单的价格分布

方案：按照100为梯度，分析不同价格区间的订单量

缺陷：现实生活中，定价存在一些自然的价格分隔，如果按照步距划分可能存在一些偏差，比如airbnb的价格筛选显示出的房价分布：

解决上述缺陷最好的方式是对价格进行聚类，找出做合适的价格区间。

在学习聚类算法的过程中，学习到的聚类算法大部分都是针对n维的，针对一维数据的聚类方式较少，今天就来学习下如何给一维的数据进行聚类。

方案一：采用K-Means对一维数据聚类

Python代码如下：

from sklearn.cluster import KMeans

import numpy as np

x = np.random.random(10000)

y = x.reshape(-1,1)

km = KMeans()

km.fit(y)

核心的操作是y = x.reshape(-1,1)，含义为将一维数据变成只有1列，行数不知道多少(-1代表根据剩下的维度计算出数组的另外一个shape属性值)。

方案二：采用一维聚类方法Jenks Natural Breaks

Jenks Natural Breaks(自然断点分类)。一般来说，分类的原则就是差不多的放在一起，分成若干类。统计上可以用方差来衡量，通过计算每类的方差，再计算这些方差之和，用方差和的大小来比较分类的好坏。因而需要计算各种分类的方差和，其值最小的就是最优的分类结果(但