Grupowanie punktów danych

Klasteryzacja punktów danych

DataPoint, Cluster i ClusterCollection to mały, ogólnego przeznaczenia zestaw narzędzi do hierarchicznego grupowania aglomeracyjnego, dołączony do Aspose.PDF FOSS dla Python. Są to ogólne prymitywy grupowania danych — punkt współrzędno-etykietowy, grupa elementów i kolekcja grup — a nie funkcja specyficzna dla dokumentu PDF; nic w tym module nie odczytuje ani nie zapisuje treści PDF. Użyj ich, gdy Twój własny kod musi grupować wartości liczbowe (na przykład pomiary, które już wyodrębniłeś z dokumentu) w klastry i podsumować klaster za pomocą jego środka ciężkości.

Reprezentowanie punktu danych

DataPoint łączy identyfikujący name z value listą współrzędnych liczbowych. Oba są udostępniane jako DataPoint.name i DataPoint.value po konstrukcji.

Tworzenie i kopiowanie klastrów

Cluster opakowuje opcjonalną listę elementów w pojedynczą grupę. Cluster.count raportuje, ile elementów klaster aktualnie zawiera, Cluster.contains() sprawdza, czy dany element jest członkiem, a Cluster.clone() zwraca niezależną kopię opartą na własnej liście elementów. Cluster.empty() zwraca współdzieloną, jedyną instancję pustego klastra zamiast alokować nową przy każdym wywołaniu.

Grupowanie klastrów w kolekcji

ClusterCollection opakowuje opcjonalną listę instancji Cluster w jedną kolekcję, dając Ci jeden obiekt do przekazywania, gdy funkcja musi przyjmować lub zwracać więcej niż jeden klaster jednocześnie.

Obliczanie centroidu klastra

DataPoint.get_centroid() oblicza średnią współrzędnych każdego punktu danych w Cluster, pozycję po pozycji, i zwraca nowy DataPoint reprezentujący centroid. Każdy punkt w klastrze musi mieć taką samą liczbę wymiarów w DataPoint.value, aby średnia miała sens.

Wskazówki i najlepsze praktyki

Utrzymuj każdą listę DataPoint.value o takiej samej długości w obrębie klastra — DataPoint.get_centroid() oblicza średnie współrzędne pozycję po pozycji, więc niezgodne wymiary powodują wprowadzający w błąd centroid.
Użyj Cluster.empty() jako współdzielonego, jedynkowego pustego klastra zamiast tworzyć nowy pusty klaster, gdy potrzebujesz tylko wartość zastępczą.
Wywołaj Cluster.clone() przed modyfikacją klastra, którego oryginał potrzebujesz w innym miejscu — klonowanie kopiuje listę elementów zamiast tworzyć alias.
Użyj ClusterCollection, gdy funkcja musi przyjmować lub zwracać więcej niż jeden Cluster jako pojedynczą wartość.
Te klasy są ogólnymi narzędziami, a nie funkcją parsowania PDF — połącz je ze swoją własną logiką generowania wartości DataPoint z danych dokumentu.

Typowe problemy

Problem	Przyczyna	Naprawa
`DataPoint.get_centroid()` generuje centroid z nieoczekiwaną liczbą wartości	Punkty danych w klastrze mają listy `DataPoint.value` o różnych długościach	Upewnij się, że każdy `DataPoint` dodany do `Cluster` ma tę samą wymiarowość
`Cluster.contains()` zwraca `False` dla wartości, którą oczekujesz, że będzie obecna	Członkostwo jest sprawdzane bezpośrednio względem przechowywanych obiektów elementów, więc dwie osobno skonstruowane instancje `DataPoint` o tej samej nazwie i wartości nie są automatycznie traktowane jako równe przy wyszukiwaniach opartych na tożsamości	Użyj ponownie tej samej instancji `DataPoint` lub porównaj za pomocą `DataPoint.name` i `DataPoint.value`, zanim założysz przynależność
Modyfikacja sklonowanego klastra zmienia również oryginał	`Cluster.clone()` został pominięty, a ta sama referencja `Cluster` została współdzielona zamiast skopiowana	Wywołaj `Cluster.clone()` najpierw, gdy wywołujący potrzebuje niezależnej kopii

FAQ

Jaka jest różnica między `Cluster` a `ClusterCollection`?

Cluster zawiera listę elementów — zazwyczaj instancje DataPoint — które należą do jednej grupy. ClusterCollection zawiera listę obiektów Cluster: grupuje klastry razem, a nie pojedyncze punkty danych.

Czy `DataPoint.get_centroid()` modyfikuje podany klaster?

Nie. Odczytuje elementy już znajdujące się w dostarczonym Cluster i zwraca nowy DataPoint dla centroidu; źródłowy klaster i jego elementy pozostają niezmienione.

Czy ta funkcja grupowania jest specyficzna dla treści PDF?

No. DataPoint, Cluster i ClusterCollection są ogólnymi prymitywami do grupowania liczb, dostarczanymi w pakiecie aspose_pdf. Nie odczytują one stron, tekstu ani żadnej innej struktury PDF — działają wyłącznie na wartościach, które im przekazujesz.

Dlaczego `Cluster.empty()` zwraca tę samą instancję za każdym razem?

Cluster.empty() zwraca współdzielony singleton, aby wielokrotne wywołania dla „no cluster” nie alokowały nowego obiektu przy każdym wywołaniu.

API Reference Podsumowanie

Klasa/Metoda	Opis
`DataPoint`	Nazwany punkt przechowujący listę współrzędnych numerycznych
`DataPoint.name`	Identyfikująca nazwa punktu
`DataPoint.value`	Lista numerycznych współrzędnych punktu
`DataPoint.get_centroid()`	Zwraca nowy `DataPoint` będący średnią współrzędnych wszystkich punktów w klastrze
`Cluster`	Grupa elementów, zazwyczaj instancje `DataPoint`
`Cluster.empty()`	Zwraca współdzielony pusty klaster singleton
`Cluster.contains()`	Sprawdza, czy element znajduje się w klastrze
`Cluster.clone()`	Zwraca niezależną kopię klastra
`Cluster.count`	Liczba elementów aktualnie znajdujących się w klastrze
`ClusterCollection`	Opakowuje listę instancji `Cluster` w jedną kolekcję

Zobacz także

Aspose.PDF for Python — Enterprise Documentation