发帖
雷达卡
聚类分析做完之后，怎么知道每个样本数据属于哪一类
聚类完成后，给每条样本贴上“类别标签”只需要一句话：把聚类算法输出的簇分配向量（cluster label）原封不动地并回原始数据框即可。下面给出通用做法与常见误区，全程不出现任何表格。
获取簇标签
无论用 Python 的 scikit-learn 还是 R 的 stats::kmeans，拟合完后都会返回一个与样本数等长的整数向量，位置顺序与输入矩阵的行一一对应。
Python：
kmeans.fit(X)
labels = kmeans.labels_ # 这就是簇编号R：
km <- kmeans(scale(X), centers=3)
labels <- km$cluster # 同样是簇编号
把标签挂回原数据
保持顺序不变，直接新增一列即可。
Python：
df_raw = pd.read_csv('manuf_samples.csv')
df_raw['cluster_id'] = labelsR：
df_raw$cluster_id <- labels
此后，用 df_raw$cluster_id（R）或 df_raw['cluster_id']（Python）即可知道每条样本属于哪一类。若想只看第 i 类，直接按 cluster_id 过滤即可，例如
df_raw[df_raw['cluster_id'] == 0]
顺序一致性是唯一易错点
聚类前若做过行筛选、缺失值删除或 shuffle，一定确保“输入矩阵 X 的行号”与“原始数据框的行号”能对上。最安全的办法是：
先给原始数据加一列 id=1…n； 做完清洗后保留这份 id； 聚类完把 labels 映射回 id，再 merge。
聚类结果不是“永久性真理”
每次随机初始化可能得到不同编号，甚至簇内成员也会小幅变动。若需复现，固定随机种子；若需跨时间比较，可把簇质心保存下来，下次用 predict 进行“分配”而非重新聚类。
一句话总结：聚类输出的 labels 向量就是样本→簇的“身份证”，只要按原顺序挂回原始数据框，就能随时查到每个样本归属。
京公网安备 11010802022788号
