Вы не предоставили здесь никакого кода, и это нормально, по крайней мере, в этом случае. Я полагаю, вы бы сделали что-то вроде этого.
from scipy.cluster.vq import kmeans,vq
from sklearn.cluster import KMeans
# etc., etc.
data = np.asarray([np.asarray(df['Feature1']),np.asarray(df['Feature2'])])
# etc., etc., etc.
# run a few experiences using 2-6 KPIs.
# computing K-Means with K = 5 (5 clusters)
centroids,_ = kmeans(data,5)
# assign each sample to a cluster
idx,_ = vq(data,centroids)
Имеет ли это смысл? Проверьте ссылку ниже. Я думаю, что этот парень очень хорошо объясняет эту концепцию.
https://www.pythonforfinance.net/2018/02/08/stock-clusters-using-k-means-algorithm-in-python/