Grundläggande kontroller av kluster
I FIFA 18-datamängden har vi i tidigare övningar fokuserat på försvarsspelare. Nu ska vi i stället titta på en spelares anfallsattribut. Fart (pac), Dribbling (dri) och Skott (sho) är särdrag som kännetecknar anfallsinriktade spelare. I den här övningen har k-means-klustring redan tillämpats på data med hjälp av skalade värden för dessa tre attribut. Gör några grundläggande kontroller av de kluster som bildats.
Data lagras i en pandas DataFrame, fifa. De skalade kolumnnamnen finns i en lista, scaled_features. Klusteretiketterna lagras i kolumnen cluster_labels. Kom ihåg att metoderna .count() och .mean() i pandas används för att ta reda på antalet observationer respektive medelvärdet av observationer i en DataFrame.
Den här övningen är en del av kursen
Klusteranalys i Python
Övningsinstruktioner
- Skriv ut storleken på klustren genom att gruppera kolumnen
cluster_labels. - Skriv ut medellönerna för spelarna i varje kluster.
eur_wageär kolumnnamnet som lagrar en spelares lön i euro.
Interaktiv övning med praktiskt arbete
Testa den här övningen genom att slutföra den här exempelkoden.
# Print the size of the clusters
print(fifa.____(____)['ID'].count())
# Print the mean value of wages in each cluster
print(fifa.____(____)['eur_wage'].____())