我使用DBSCAN对文本文档进行聚类，感谢这个帖子的启发。

db = DBSCAN(eps=0.3, min_samples=2).fit(X)core_samples_mask1 = np.zeros_like(db1.labels_, dtype=bool)core_samples_mask1[db1.core_sample_indices_] = Truelabels1 = db1.labels_

现在我想知道哪些文档属于哪个聚类，例如：

[我有一辆车，它是蓝色的] 属于 cluster0

或者

idx [112] 属于 cluster0

我之前在这里问过类似的问题，但我已经测试了那里提供的一些答案，例如：

X[labels == 1,:]

我得到了：

array([[0, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0],       [0, 0, 1, 0, 0, 0, 0, 1, 0, 1, 0, 0, 0, 0]], dtype=int64)

但这对我没有帮助。如果你有任何建议或方法，请告诉我。

回答：

如果你有一个包含idx和messages列的pandas数据框df，你只需要做以下操作：

df['cluster'] = db.labels_

即可获得一个包含聚类成员的新列cluster。

这里有一个使用虚拟数据的简短演示：

import numpy as npimport pandas as pdfrom sklearn.cluster import DBSCANX = np.array([[1, 2], [5, 8], [2, 3],               [8, 7], [8, 8], [2, 2]])db = DBSCAN(eps=3, min_samples=2).fit(X)db.labels_# array([0, 1, 0, 1, 1, 0], dtype=int64)# 将我们的numpy数组转换为pandas数据框：df = pd.DataFrame({'Column1':X[:,0],'Column2':X[:,1]})print(df)# 结果:   Column1  Column20        1        21        5        82        2        33        8        74        8        85        2        2# 添加一个新的列，显示所属的聚类：df['cluster'] = db.labels_print(df)# 结果:   Column1  Column2  cluster0        1        2        01        5        8        12        2        3        03        8        7        14        8        8        15        2        2        0