小编Roo*_*adi的帖子

我正在尝试将聚类应用于数据集。在此之前，我必须将图划分为 n 个簇，但我不知道该怎么做。

假设 numpy 向量a和矩阵b如下：

import numpy as np
a = np.array([1,2])
b = np.array([[3,4],[5,6]])

我想将向量a连接到矩阵 b 的每一行中。预期输出如下：

output=np.array([[1,2,3,4],[1,2,5,6]])

我有一个工作代码如下：

output=np.array([np.concatenate((a,row)) for row in b] )

有没有更快的 numpy 函数来执行这样的任务？任何建议表示赞赏！

我正在编写一个程序，需要对一些> 200、300 元素数组的数据集应用 K 均值聚类。有人可以给我提供一个代码链接，并解释一下- 1. 通过肘部方法找到 k 2. 应用 k 均值方法并获取质心数组

我自己搜索了上面的内容，但没有找到任何对代码有明确解释的内容。PS我正在Google Colab工作，所以如果有相同的具体方法，请提出建议

我尝试了下面的代码，但是，我不断收到以下错误 -

---------------------------------------------------------------------------

TypeError                                 Traceback (most recent call last)

TypeError: float() argument must be a string or a number, not 'list'


The above exception was the direct cause of the following exception:

ValueError                                Traceback (most recent call last)

<ipython-input-70-68e300fd4bf8> in <module>()
     24 
     25 # step 1: find optimal k (number of clusters)
---> 26 find_best_k()
     27 

3 frames

/usr/local/lib/python3.6/dist-packages/numpy/core/_asarray.py in asarray(a, dtype, order)
     83 
     84     """ …