如何确定循环数据中集群的最小值和最大值，这里数据范围从0到24，考虑到集群可能超出数值范围的界限？
观察蓝色集群，我想确定22和2作为集群的边界。哪个算法可以解决这个问题？
回答：
我已经找到了解决这个问题的方法。假设数据格式如下：
#!/usr/bin/env python3import numpy as npdata = np.array([0, 1, 2, 12, 13, 14, 15, 21, 22, 23])labels = np.array([0, 0, 0, 1, 1, 1, 1, 0, 0, 0])bounds = get_cluster_bounds(data, labels)print(bounds) # {0: array([21, 2]), 1: array([12, 15])}你可以在这里找到这个函数：
#!/usr/bin/env python3import numpy as npdef get_cluster_bounds(data: np.ndarray, labels: np.ndarray) -> dict: """ 集群点有五种循环考虑方式。将要确定的点用箭头标记。 在第一种情况下，集群数据分布超出了循环的边缘： ↓B ↓A |#####____________#####| 在第二种情况下，数据正好位于数值范围的开始，但没有超出。 ↓A ↓B |##########____________| 在第三种情况下，数据正好位于数值范围的末尾，但没有超出。 ↓A ↓B |____________##########| 在第四种情况下，数据位于数值范围内， 没有触及边界。 ↓A ↓B |_______##########_____| 在第五种也是最简单的情况下，数据覆盖整个区域而没有其他标签存在。 ↓A ↓B |######################| Args: data: (n, 1) numpy数组，包含所有数据点。 labels: (n, 1) numpy数组，包含所有数据标签。 Returns: bounds: 一个字典，其键是集群的索引，值指定集群的起始和结束点。 """ # 按升序排序数据。 shuffle = data.argsort() data = data[shuffle] labels = labels[shuffle] # 获取唯一集群的数量。 labels_unique = np.unique(labels) num_clusters = labels_unique.size bounds = {} for c_index in range(num_clusters): mask = labels == c_index # 情况1或5 if mask[0] and mask[-1]: # 情况5 if np.all(mask): start = data[0] end = data[-1] # 情况1 else: edges = np.where(np.invert(mask))[0] start = data[edges[-1] + 1] end = data[edges[0] - 1] # 情况2 elif mask[0] and not mask[-1]: edges = np.where(np.invert(mask))[0] start = data[0] end = data[edges[0] - 1] # 情况3 elif not mask[0] and mask[-1]: edges = np.where(np.invert(mask))[0] start = data[edges[-1] + 1] end = data[-1] # 情况4 elif not mask[0] and not mask[-1]: edges = np.where(mask)[0] start = data[edges[0]] end = data[edges[-1]] else: raise ValueError('这不应该发生。') bounds[c_index] = np.array([start, end]) return bounds