python - 有没有一种有效的方法对标记的相似数据点进行聚类？

Question

我有一个如下所示的数据框:

| Image | Similar Images |
| ------| -------------- |
| 1     | [1, 2, 6]      |
| 2     | [2, 1, 6]      |
| 3     | [3, 4]         |
| 4     | [4, 3]         |
| 5     | [5]            |
| 6     | [6, 1, 2]      |

我想制作相似图像的集群并标记它们。我的目标是这样的:

| Image | Similar Images | Label |
| ------| -------------- |-------|
| 1     | [1, 2, 6]      | 1     |
| 2     | [2, 1, 6]      | 1     |
| 3     | [3, 4]         | 2     |
| 4     | [4, 3]         | 2     |
| 5     | [5]            | 3     |
| 6     | [6, 1, 2]      | 1     |

有没有一种有效的方法来做到这一点？我有有限的计算资源和大约 178000 张图像，这就是为什么我想知道是否有任何有效的现有方法或包可以执行(部分)这项任务。

Answer 1

尝试 frozenset 然后 factorize

df['new'] = df['Similar Images'].map(frozenset).factorize()[0]+1