FIFA 18:探索后卫球员
在 FIFA 18 数据集中,包含了球员的多个属性。其中有两个是:
- sliding tackle:介于 0-99 的数值,表示球员进行铲球的准确度
- aggression:介于 0-99 的数值,表示球员的投入程度和意志
这些属性在偏防守型的球员中通常较高。在本练习中,您将基于这些属性对数据进行聚类。
该数据包含 5000 行,比之前的数据集大得多。对该数据运行层次聚类可能需要长达 10 秒。
以下模块已预加载:来自 scipy.cluster.hierarchy 的 dendrogram、linkage、fcluster,matplotlib.pyplot 作为 plt,seaborn 作为 sns。数据存储在 pandas 的 DataFrame fifa 中。
本练习是课程的一部分
Python 中的聚类分析
交互式实操练习
通过完成这段示例代码来试试这个练习。
# Fit the data into a hierarchical clustering algorithm
distance_matrix = ____(fifa[[____, ____]], 'ward')