Základní kontrola clusterů
V datasetu FIFA 18 jsme se v předchozích cvičeních zaměřovali na obránce. Teď se podíváme na útočné vlastnosti hráčů. Rychlost (pac), dribling (dri) a střelba (sho) jsou atributy typické pro útočně laděné hráče. V tomto cvičení už bylo k-means shlukování aplikováno na data pomocí škálovaných hodnot těchto tří atributů. Proveď základní kontroly vzniklých clusterů.
Data jsou uložena v pandas DataFrame s názvem fifa. Škálované názvy sloupců jsou uloženy v seznamu scaled_features. Štítky clusterů jsou uloženy ve sloupci cluster_labels. Připomeň si, že metody .count() a .mean() v pandas slouží k zjištění počtu a průměru pozorování v DataFrame.
Toto cvičení je součástí kurzu
Cluster Analysis in Python
Pokyny k cvičení
- Vypiš velikosti clusterů tak, že seskupíš data podle sloupce
cluster_labels. - Vypiš průměrné hodnoty platů hráčů v každém clusteru. Platy hráčů v eurech jsou uloženy ve sloupci
eur_wage.
Interaktivní cvičení na vyzkoušení si v praxi
Vyzkoušejte si toto cvičení dokončením tohoto ukázkového kódu.
# Print the size of the clusters
print(fifa.____(____)['ID'].count())
# Print the mean value of wages in each cluster
print(fifa.____(____)['eur_wage'].____())