pd.to_datetime()

там строку надо парсить

он тупит на этом моменте

строка как выглядит?

1 мая 2019

если грузите данные в датафрейм через pd.DataFrame, то смотрите параметр  parse_dates
просто столбцы с датами нужно перечислить

сорри, не увидел инфо)
тогда не то написал

вот и я в ступоре)

это по-любому как-то через что-то такое решается. Надо гуглить to_datetime и форматы

pd.to_datetime(df['dates'], format='%Y%m%d-%H%M%S')

вот схожая тема

https://stackoverflow.com/questions/45714149/convert-string-to-date-format-in-python-pandas-dataframe

Привет! Пытаюсь делать кластеризацию. Только учусь.

На кластеры удалось разбить сет

А можно ли такую картинку сделать?

Всем привет, а кто-то тут составлял дерево продуктовых метрик?

Ну вот, например, подобное https://towardsdatascience.com/visualizing-clusters-with-pythons-matplolib-35ae03d87489

Да, но здесь выбор по двум столбцам. А у меня признаки бинарные, меня это в ступор как-то ставит

В смысле  многомерный набор бинарных признаков?

2d-картинку из многомерных данных, очевидно, никак не нарисовать. Хотя k-means все равно отработал с ними.

Так мы приходим к идее поиска алгоритма снижения размерности.
И это целый отдельный класс алгоритмов.

я бы в два шага сделал, сначала трансформировал названия месяцев в числовые значения типа 1-05-2019 а потом через pd.to_datetime(col, format='%-d-%m-%Y')

Визуализировать кластеризацию возможно или в 2-d или в 3-d формате. Как правильно было сказано выше твоя задача сводится к отысканию подпространства меньшей размерности в твоем исходном пространстве признаков. После того как ты нашел это подпространство ты проецируешь на него свои вектора с некоторой погрешностью. Таким образом у тебя получается описание твоего объекта через 2 или 3 вектора, который образуют базис подпространства. А  уже потом в этом подпространстве ты можешь кластеризировать свои объекты используя метрические алгоритмы, и благодаря тому что у тебя твое новое подпространство легко интерпретируемо (всего 2-3 признака) ты можешь эти кластеры объяснить с точки зрения бизнес логики.