ComenzarEmpieza gratis

Avistamientos de Pokémon: agrupación jerárquica

Vamos a continuar la investigación sobre los avistamientos de Pokémon legendarios del ejercicio anterior. Recuerda que en el diagrama de dispersión del ejercicio anterior, identificaste dos zonas donde los avistamientos de Pokémon eran densos. Esto significa que los puntos parecen separarse en dos grupos. En este ejercicio, formarás dos conglomerados de los avistamientos utilizando la agrupación jerárquica.

'x' y 'y' son columnas de coordenadas X e Y de las ubicaciones de los avistamientos, almacenadas en un DataFrame de pandas, df. Se pueden utilizar: matplotlib.pyplot como plt, seaborn como sns, y pandas como pd.

Este ejercicio forma parte del curso

Análisis de conglomerados en Python

Ver curso

Instrucciones del ejercicio

  • Importa las bibliotecas linkage y fcluster.
  • Utiliza la función linkage() para calcular distancias por el método de Ward.
  • Genera etiquetas de conglomerados para cada punto de datos con dos conglomerados utilizando la función fcluster().
  • Traza los puntos con seaborn y asigna un color diferente a cada conglomerado.

Ejercicio interactivo práctico

Prueba este ejercicio completando el código de muestra.

# Import linkage and fcluster functions
from scipy.cluster.hierarchy import ____, ____

# Use the linkage() function to compute distance
Z = ____(____, 'ward')

# Generate cluster labels
df['cluster_labels'] = ____(____, ____, criterion='maxclust')

# Plot the points with seaborn
sns.scatterplot(x=____, y=____, hue=____, data=df)
plt.show()
Editar y ejecutar código