我有以下数据集： https ://www.kaggle.com/carolzhangdc/imdb-5000-movie-dataset
我想找到的是基于每个国家/地区每种类型的 imdb 分数的集群。我创建了一个 pandas 数据框，其中包含每个国家/地区的每种独特类型的平均 imdb 评分。
数据框如下所示：
country object
genre object
avgRating float64
dtype: object
由于国家和类型列包含字符串，因此我不能为此使用 Kmeans。
无论如何我可以实现我想要的吗？
经过更多研究，我们发现了这个库：https ://github.com/nicodv/kmodes 。
库 k-modes 用于聚类分类变量。它根据数据点之间匹配类别的数量定义集群。（这与更知名的 k-means 算法形成对比，后者基于欧几里德距离对数值数据进行聚类。）k-prototypes 算法结合了 k-modes 和 k-means，能够对混合的数值/分类数据进行聚类。
因为数据框包含分类数据，我们无法在散点图中对其进行可视化。所以我添加了代表该行分配到的集群的数字，以便每一行获得某种形式的可视化。
通常你只能对有序数据进行聚类，因为聚类是基于距离进行的。所以我不知道这在多大程度上是可靠的。
您需要将分类数据表示为数值数据。有不同的方法可以做到这一点（例如 LabelEncoder、OneHotEncoder、手动替换值......）
由于使用的算法是使用欧几里德距离作为距离度量的 KMeans，因此我们需要数值来计算它。简而言之，如果您['Red','Blue','Green']的专栏中有您可以将它们转换[0, 1, 2]为例如...
您可以查看此详细指南。--> https://pbpython.com/categorical-encoding.html