对于聚类，您的数据必须确实是整数。此外，由于 k-means 使用的是欧几里德距离，因此使用分类列并不是一个好主意。因此，您还应该将该列编码timeOfDay为三个虚拟变量。最后，不要忘记标准化您的数据。在您的情况下，这可能并不重要，但总的来说，您可能会冒着算法被拉到具有最大值的方向的风险，这不是您想要的。

所以我下载了你的数据，放入 .csv 并做了一个非常简单的例子。您可以看到我为集群本身使用了不同的数据框，然后在检索集群标签后，我将它们添加到前一个标签中。

请注意，我省略了变量时间戳 - 因为每个记录的值都是唯一的，它只会混淆算法。

import pandas as pd
from scipy import stats
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt
import seaborn as sns

df = pd.read_csv('C:/.../Dataset.csv',sep=';')

#Make a copy of DF
df_tr = df

#Transsform the timeOfDay to dummies
df_tr = pd.get_dummies(df_tr, columns=['timeOfDay'])

#Standardize
clmns = ['Wattage', 'Duration','timeOfDay_Afternoon', 'timeOfDay_Evening',
         'timeOfDay_Morning']
df_tr_std = stats.zscore(df_tr[clmns])

#Cluster the data
kmeans = KMeans(n_clusters=2, random_state=0).fit(df_tr_std)
labels = kmeans.labels_

#Glue back to originaal data
df_tr['clusters'] = labels

#Add the column into our list
clmns.extend(['clusters'])

#Lets analyze the clusters
print df_tr[clmns].groupby(['clusters']).mean()

这可以告诉我们集群之间有什么区别。它显示每个集群的属性平均值。看起来集群 0 是晚上消费量高的人，而集群 1 是早上消费量少的人。

clusters  Wattage     Duration   timeOfDay_Afternoon  timeOfDay_Evening timeOfDay_Morning   
0         225.000000  85.000000             0.166667           0.833333  0.0 
1         109.666667  30.166667             0.500000           0.000000  0.5

你也要求可视化。这很棘手，因为二维以上的所有内容都难以阅读。所以我把散点图放在了散点图上Duration，Wattage并根据集群给点上色。

您可以看到它看起来很合理，除了那里的一个蓝点。

#Scatter plot of Wattage and Duration
sns.lmplot('Wattage', 'Duration', 
           data=df_tr, 
           fit_reg=False, 
           hue="clusters",  
           scatter_kws={"marker": "D", 
                        "s": 100})
plt.title('Clusters Wattage vs Duration')
plt.xlabel('Wattage')
plt.ylabel('Duration')