对聚类做基础检查
在 FIFA 18 数据集中，前面的练习主要关注后卫。现在让我们转向球员的进攻属性。速度（pac）、盘带（dri）和射门（sho）是进攻型球员常见的特征。本练习中，已使用这三项属性的缩放值对数据进行了 k-means 聚类。请对得到的聚类做一些基础检查。
数据存储在 pandas 的 DataFrame fifa 中。缩放后的列名保存在列表 scaled_features 中。聚类标签存放在 cluster_labels 列。回忆一下，pandas 中的 .count() 和 .mean() 方法可分别用于计算 DataFrame 中观测的数量与均值。
本练习是课程的一部分
Python 中的聚类分析
练习说明
- 通过对
cluster_labels列分组，打印各个聚类的规模。 - 打印每个聚类中球员工资的均值。
eur_wage是以欧元计的球员工资列名。
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Print the size of the clusters
print(fifa.____(____)['ID'].count())
# Print the mean value of wages in each cluster
print(fifa.____(____)['eur_wage'].____())