我使用MongoDB作为我的数据存储，并希望在单独的一个集合中存储我的文档的“聚类”配置。

所以在一个集合中，我会有我的原始对象集合，而在第二个集合中，它会有

kMeansCollection: {     1: [mongoObjectCopy1], [mongoObjectCopy2]...     2: [mongoObjectCopy3], [mongoObjectCopy4]...    }

我正在这里遵循一个用于文本聚类的K-means实现，http://tech.swamps.io/recipe-text-clustering-using-nltk-and-scikit-learn/，但我很难考虑如何将输出重新关联到MongoDB中。

一个例子（取自链接）：

if __name__ == "__main__":    tags = collection.find({}, {'tag_data': 1, '_id': 0})    clusters = cluster_texts(tags, 5) #算法在这里运行，分为5个聚类    pprint(dict(clusters))

变量“tags”是算法运行所需的输入。它必须是数组形式，但目前tags返回的是对象数组（因此我必须从查询中提取文本值）

然而，在神奇地将我的集合分为5类之后，我如何将它们与MongoDB中各自的对象条目重新关联呢？

我只从对象的一个属性中提取特定的文本内容。

非常感谢！

回答：

你需要为文档设置一些标识符。最好在查询中包含_id字段，以便你有一个唯一的文档标识符。然后你可以创建ids和tag_data的并行列表。

docs = collection.find({}, {'tag_data': 1, '_id': 1})ids = [doc['_id'] for doc in docs]tags = [doc['tag_data'] for doc in docs]

然后在标签数据上调用聚类函数。

clusters = cluster_text(tags)

并将结果与ids一起使用zip函数重新组合。

doc_clusters = zip(ids, clusters)

从这里开始，你已经构建了(_id, cluster)的元组，因此你可以更新MongoDB文档上的聚类标签。