Базовые проверки кластеров
В предыдущих упражнениях мы работали с набором данных FIFA 18 и сосредоточились на защитниках. Теперь давайте обратим внимание на атакующие характеристики игроков. Скорость (pac), дриблинг (dri) и удар (sho) — это признаки, характерные для атакующих игроков. В этом упражнении кластеризация методом k-средних уже применена к данным с использованием масштабированных значений этих трёх признаков. Выполните базовые проверки полученных кластеров.
Данные хранятся в DataFrame fifa. Имена масштабированных столбцов содержатся в списке scaled_features. Метки кластеров хранятся в столбце cluster_labels. Напомним, что методы .count() и .mean() в pandas позволяют найти количество наблюдений и их среднее значение в DataFrame.
Это упражнение является частью курса
Кластерный анализ на Python
Инструкции к упражнению
- Выведите размер кластеров, сгруппировав данные по столбцу
cluster_labels. - Выведите средние значения зарплат игроков в каждом кластере. Зарплаты игроков в евро хранятся в столбце
eur_wage.
Интерактивное практическое упражнение
Попробуйте выполнить это упражнение, дополнив этот пример кода.
# Print the size of the clusters
print(fifa.____(____)['ID'].count())
# Print the mean value of wages in each cluster
print(fifa.____(____)['eur_wage'].____())