我想知道将聚类技术应用于数据聚合是否有意义，例如，我有三个不同的数据源，例如 S1 S2 和 S3，其中每个源共享一些公共列，但大多数不共享。将所有源与大数据框中的所有列分组并应用聚类技术是否有意义，而某些记录将仅具有不属于其相应服务一部分的列的空值。谢谢你。

更新：输入基本上是来自具有不同列的不同服务的日志，其中一些在所有服务之间共享。输出应该是代表具有相同行为的用户的一组记录。
日志由用户操作的第二个对应项收集。它们按小时为每个用户聚合以派生其他功能（根据我的说法，秒的粒度太多了）。
目标是检测异常行为。
问题是，我可以重新组合具有不同特征的不同数据框，而其中一些是共享的并在其上运行 K-mean。因为我的数据框看起来像这样（s* 代表服务，common_ 代表共同特征）：

-------------------------------------------------------------
s1_f1 | s1_f2 | s2_f1 | s2_f2 | s3_f1 | common_f1 | common_f2
  1       OK     NULL    NULL    NULL     midday      less
  2       OK     NULL    NULL    NULL     midnight    more
 NULL    NULL     2       5      NULL     midday      less
 NULL    NULL     8       9      NULL     morning     less
 NULL    NULL    NULL    NULL    777      morning     more
 NULL    NULL    NULL    NULL    888      night       more