ComenzarEmpieza gratis

Avistamientos de Pokémon: agrupación de k-means

Vamos a continuar la investigación sobre los avistamientos de Pokémon legendarios del ejercicio anterior. Al igual que en el ejercicio anterior, utilizaremos el mismo ejemplo de avistamientos de Pokémon. En este ejercicio, formarás clusters de los avistamientos utilizando la agrupación de k-means.

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 de ejercicio

  • Importa las funciones kmeans y vq.
  • Utiliza la función kmeans() para calcular los centros de los conglomerados definiendo dos conglomerados.
  • Asigna etiquetas de clúster a cada punto de datos utilizando la función vq().
  • Traza los puntos con seaborn y asigna un color diferente a cada conglomerado

Ejercicio interactivo práctico

Pruebe este ejercicio completando este código de muestra.

# Import kmeans and vq functions
from scipy.cluster.vq import ____, ____

# Compute cluster centers
centroids,_ = ____(____, ____)

# Assign cluster labels
df['cluster_labels'], _ = ____(____, ____)

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