Podstawowe sprawdzenie klastrów
W zbiorze danych FIFA 18 poprzednie ćwiczenia koncentrowały się na obrońcach. Tym razem skupimy się na atrybutach ofensywnych zawodników. Szybkość (pac), drybling (dri) i strzał (sho) to cechy charakterystyczne dla graczy nastawionych na atak. W tym ćwiczeniu algorytm k-średnich został już zastosowany na danych z wykorzystaniem przeskalowanych wartości tych trzech atrybutów. Wykonaj podstawowe sprawdzenie utworzonych klastrów.
Dane są przechowywane w DataFrame o nazwie fifa. Nazwy przeskalowanych kolumn znajdują się na liście scaled_features. Etykiety klastrów są zapisane w kolumnie cluster_labels. Pamiętaj, że metody .count() i .mean() w pandas pozwalają obliczyć odpowiednio liczbę obserwacji oraz średnią wartość w DataFrame.
To ćwiczenie jest częścią kursu
Analiza skupień w Pythonie
Instrukcje do ćwiczenia
- Wyświetl rozmiary klastrów, grupując dane według kolumny
cluster_labels. - Wyświetl średnie wartości zarobków zawodników w każdym klastrze.
eur_wageto nazwa kolumny przechowującej zarobki zawodnika w euro.
Interaktywne ćwiczenie praktyczne
Spróbuj tego ćwiczenia, uzupełniając ten przykładowy kod.
# Print the size of the clusters
print(fifa.____(____)['ID'].count())
# Print the mean value of wages in each cluster
print(fifa.____(____)['eur_wage'].____())