叢集的基本檢查
在 FIFA 18 資料集中，我們在前面的練習著重於後衛。這次改從球員的進攻屬性下手。速度（pac）、帶球（dri）與射門（sho）通常是偏重進攻的球員會突出的特徵。本題已先用這三個屬性的標準化數值對資料做了 k-means 分群。請對得到的叢集做一些基本檢查。
資料存放在 pandas 的 DataFrame fifa 中。標準化後的欄位名稱存在清單 scaled_features。叢集標籤則存於 cluster_labels 欄位。回想一下，pandas 的 .count() 與 .mean() 方法可以用來找出 DataFrame 中觀測值的數量與平均值。
本練習屬於課程
Python 中的叢集分析
練習說明
- 先以欄位
cluster_labels分組，列印各叢集的大小。 - 列印各叢集中球員薪資的平均值。球員以歐元計價的薪資欄位名稱為
eur_wage。
動手互動練習
試著完成這個範例程式碼，體驗一下這個練習。
# Print the size of the clusters
print(fifa.____(____)['ID'].count())
# Print the mean value of wages in each cluster
print(fifa.____(____)['eur_wage'].____())