我目前正在对一个小数据集进行K-means聚类分析。我的数据集包含两个聚类（聚类0和聚类1）。我试图区分不同的聚类，以便计算每个聚类中每个特征的均方误差。例如，我的数据库包含20个样本，其中10个样本聚集在中心点0周围，我希望提取所有属于聚类0的样本，并针对这些样本子集计算每个特征的MSE。

以下是代码片段：

xX = []for sample in X:    sample = list(sample)    for index in range (len(X)):        if labels[index] == 0:            if sample not in xX:                xX.append(sample)

X是一个numpy.ndarray，包含具有不同特征的所有样本。labels类型为kmeans.labels_，也是一个numpy.ndarray，表示每个样本所属的聚类（0或1）。xX只是一个list，我希望它能单独保存属于每个聚类的样本。

我当前的代码无法提取属于中心点0的样本，相反，它忽略了我的if语句（if labels[index] == 0），并将整个数据集添加到我的新列表xX中。

如果有人能帮助我理解我做错了什么，我将不胜感激。

编辑：这是我的X数据的外观：

array([[5923210.22, 14.25, 1668.52, 1495373778450.11],       [1109272.57, 7.47, 49.75, 1495411802900.06],       [178397.30, 11.67, 245.61, 1495318964821.19],       [1871514.94, 24.97, 678.05, 1495377767231.84],       [4501604.93, 42.10, 1252.70, 1495420897842.18]])

这是我的标签的外观：

array([0, 0, 1, 1, 0], dtype=int32)

回答：

所以你的代码问题出在外层循环上——你遍历了你的样本，然后忽略了样本并遍历了所有标签。对于每个样本，你都会重新找到所有0标签，并将样本添加相应次数。这就是为什么你需要检查样本是否已经存在——否则你会得到每个样本3次（每次对应标签中的0）。

你可以直接去掉外层循环——它对你没有任何帮助——这样你就能得到你想要的结果

xX = []for index in range (len(X)):    if labels[index] == 0:        xX.append(X[index])

但有一个更好的方法——去掉所有循环，直接使用numpy进行查找。

X[labels == 0]

这将返回一个布尔数组，其中true的位置对应于0标签。然后它会在X中查找具有相同位置的true值的行。这种方法更快更简洁。两种方法得到相同的结果

[[  5.92321022e+06   1.42500000e+01   1.66852000e+03   1.49537378e+12] [  1.10927257e+06   7.47000000e+00   4.97500000e+01   1.49541180e+12] [  4.50160493e+06   4.21000000e+01   1.25270000e+03   1.49542090e+12]]