我正在使用KMeans进行异常检测任务。
我使用的Pandas数据框只有一个特征，类似于以下内容：

df = array([[12534.],           [12014.],           [12158.],           [11935.],           ...,           [ 5120.],           [ 4828.],           [ 4443.]])

我可以使用以下指令来拟合和预测值：

km = KMeans(n_clusters=2)km.fit(df)km.predict(df)

为了识别异常，我希望计算每个点与质心之间的距离，但对于只有一个特征的数据框，我不确定这是否是正确的做法。

我找到了一些使用欧几里得距离来计算距离的例子。一个例子如下：

def k_mean_distance(data, cx, cy, i_centroid, cluster_labels):    distances = [np.sqrt((x - cx) ** 2 + (y - cy) ** 2) for (x, y) in data[cluster_labels == i_centroid]]    return distancescentroids = self.km.cluster_centers_distances = []for i, (cx, cy) in enumerate(centroids):    mean_distance = k_mean_distance(day_df, cx, cy, i, clusters)    distances.append({'x': cx, 'y': cy, 'distance': mean_distance})

这个代码对我来说不起作用，因为在我只有一个特征的数据框的情况下，质心如下所示：

array([[11899.90692187],       [ 5406.54143126]])

在这种情况下，查找质心与点之间的距离的正确方法是什么？这是可能的吗？

谢谢你，很抱歉问了一个简单的问题，我还在学习中

回答：

你可以使用scipy.spatial.distance.cdist来创建一个距离矩阵：

from scipy.spatial.distance import cdistdm = cdist(df, centroids)

这应该会给你一个二维数组，其中每一行代表原始数据集中的一个观测值，每一列代表一个质心。第x行第y列的值表示你的第x个观测值与第y个聚类质心之间的距离。cdist默认使用欧几里得距离，但你也可以使用其他度量方法（对于只有一个特征的数据集，这并不重要）。