我有以下数据集：

        node        bc cluster
1    russian  0.457039       1
48       man  0.286875       1
155    woman  0.129939       0
3        bit  0.092721       0
5      write  0.065424       0
98       age  0.064347       0
97     escap  0.062675       0
74      game  0.062606       0

然后我按值执行 kMeans 聚类，bc将节点分成两个不同的组。现在使用下面的代码，我得到了上面的结果（聚类结果在cluster列中）。

    bc_df = pd.DataFrame({"node": bc_nodes, "bc": bc_values})
    bc_df = bc_df.sort_values("bc", ascending=False)
    km = KMeans(n_clusters=2).fit(bc_df[['bc']])
    bc_df.loc[:,'cluster'] = km.labels_
    print(bc_df.head(8))

这非常好，但我希望它的工作方式略有不同，并将前 4 个节点选择到第一个集群中，然后将其他节点选择到第二个集群中，因为它们彼此更相似。

我可以对 kMeans 做一些调整，或者你知道另一种算法sklearn可以做到这一点吗？