我对聚类还比较新手。我使用tweepy提取了一个包含许多行的Twitter数据集：

样本数据：

如何应用聚类算法来根据日期和时间找到聚类？这样我就可以每小时检索推文/转发活动，并生成一个模式。

例如：

如果用户在凌晨1点到2点之间发推文/转发，那么该推文/转发属于第1簇

如果用户在凌晨2点到3点之间发推文/转发，那么该推文/转发属于第2簇，依此类推。

回答：

如果您的规则是特定的，即凌晨1点到2点之间的所有推文都应聚为一簇，凌晨2点到3点之间的推文也应如此，那么这里不需要算法。您只需使用条件赋值来相应地分配簇，例如：

import pandas as pddate = pd.Series(["2021-05-08 05:55:30", "2021-05-08 05:40:45", "2021-05-08 05:35:21", "2021-05-08 05:30:15"], name='date')date = pd.to_datetime(date).to_frame()# 相应地分配簇IDdate['cluster'] = 0    # 默认# 凌晨1点到2点date.loc[(date['date'].dt.hour > 1) & (date['date'].dt.hour <= 2), 'cluster'] = 1# 凌晨2点到3点date.loc[(date['date'].dt.hour > 2) & (date['date'].dt.hour <= 3), 'cluster'] = 2

否则，如果您想应用聚类算法，例如kmeans，自动对日期列进行聚类学习，我建议您将它们转换为Unix时间戳秒，这样它们就变成了数值，可以输入到模型中：

import pandas as pddate = pd.Series(["2021-05-08 05:55:30", "2021-05-08 05:40:45", "2021-05-08 05:35:21", "2021-05-08 05:30:15"])date_unix = (pd.to_datetime(date) - pd.Timestamp("1970-01-01")) // pd.Timedelta("1s")print(date_unix)

输出

0    16204533301    16204524452    16204521213    1620451815Name: date, dtype: int64

然后您可以对date_unix应用sklearn中的KMeans聚类算法

from sklearn.cluser import KMeanskm = KMeans(n_clusters=2)

这里，n_clusters是一个可以根据您的知识进行调整的参数。np.expand_dims将大小为3的数组转换为3 x 1的矩阵，因为模型通常期望一个矩阵而不是一个向量。然后为您的数据拟合模型：

km.fit(np.expand_dims(date_unix, axis=1))

然后预测

cluster_id = km.predict(np.expand_dims(date_unix, axis=1))print(cluster_id)

输出

[1 0 0 0]

您可以看到算法将第一个日期聚为一簇，将其他三个日期聚为另一簇。因为后三个日期彼此更接近。