python kmeans聚类后如何获取到分类的数据？

Question

本人在用python做文本聚类分析，由于文本数据过大了，所以可视化看不清层次。请问我想要以数据的形式看到每一个小类应该怎么办呀，我现在只会获取每类的个数和中心点，有没有什么函数或者包呢？

tfidf_vectorizer = TfidfVectorizer(token_pattern=r"(?u)\b\w+\b",ngram_range=(1,1),
                                    max_features=200000,use_idf=True,
                                    )
tfidf_matrix = tfidf_vectorizer.fit_transform(files) #files为原始文本
#使用 K-means 算法进行聚类
mykms = KMeans(n_clusters=4).fit(tfidf_matrix)
#接下去怎么写呢
'''
想得到这样的结果:
第1类：[(xx,dd),(ss,ff),(gg,kk)]
第2类：[(xx,dd),(ss,ff),(gg,kk)]
'''

Answer 1

    # 整理聚类结果
    listName = dfData['地区'].tolist()  # 将 dfData 的首列 '地区' 转换为 listName
    dictCluster = dict(zip(listName,kmCluster.labels_))  # 将 listName 与聚类结果关联，组成字典
    listCluster = [[] for k in range(nCluster)]
    for v in range(0, len(dictCluster)):
        k = list(dictCluster.values())[v]  # 第v个城市的分类是 k
        listCluster[k].append(list(dictCluster.keys())[v])  # 将第v个城市添加到 第k类
    print("\n聚类分析结果(分为{}类):".format(nCluster))  # 返回样本集的分类结果
    for k in range(nCluster):
        print("第 {} 类：{}".format(k, listCluster[k]))  # 显示第 k 类的结果