階層式分群：ward 方法
又到 Comic-Con 的時間了！Comic-Con 是在全球主要城市舉辦的年度漫畫盛會。你手上有去年的人流資料，也就是在特定時間點會場內的人數。你希望決定攤位的位置，讓銷售最大化。請使用 ward 方法進行階層式分群，找出該區域中的兩個熱門聚集點。
資料已存於 pandas 的 DataFrame comic_con。x_scaled 和 y_scaled 是在特定時間點，人群標準化後的 X 與 Y 座標欄位名稱。
本練習屬於課程
Python 中的叢集分析
練習說明
- 從
scipy.cluster.hierarchy匯入fcluster與linkage。 - 在
linkage()函式中使用ward方法。 - 由
distance_matrix形成 2 個平面叢集，並指派叢集標籤。 - 「執行繪圖程式碼來查看結果。」
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。
# Import the fcluster and linkage functions
from scipy.cluster.hierarchy import ____, ____
# Use the linkage() function
distance_matrix = ____(comic_con[['x_scaled', 'y_scaled']], ____ = ____, metric = 'euclidean')
# Assign cluster labels
comic_con['cluster_labels'] = ____(____, ____, criterion='maxclust')
# Plot clusters
sns.scatterplot(x='x_scaled', y='y_scaled',
hue='cluster_labels', data = comic_con)
plt.show()