pyclusteringのxmeansの一部をsklearn風にラッパーする

#動機
k-means法では最初にクラスタ数を決めなければいけないが、x-means法なら自動的に決めてくれる（最適なクラスタ数かどうかはわからないが）。そこでpyclusteringのxmeansを見つけたが使い方がsklearnのスタイルと違ったため使いづらかった。そこで今回はpyclusteringのxmeans.fitについてsklearn風にラッパーしたいと思う。

#問題点
sklearnのk-meansとpyclusteringのx-meansの大きな違いはskleranでいうlabel_の配列の返し方が違うところだ。例えば標本として samples = [a,b,c,d]があり(a,b,c,d) = (0,1,0,1)でクラスタリングされたとする。
skleranのlabel_は[0,1,0,1]と標本配列と同じ順番にクラスタ番号の配列を返す。
pyclusteringでいうところのlabel_（正確にはxmeans.xmeans().getcluster()）は[[0,2],[1,3]]と標本配列のインデックスがクラスタ番号順に分類され、その配列を返す。
（国語力が足りない....）
今回はそれを解決する。

#コード

import pyclustering
from pyclustering.cluster import xmeans
import numpy as np


class XMeans:
    def fit(self,features):
        '''pyclusteringのxmeansで計算'''
        initializer = xmeans.kmeans_plusplus_initializer(data=features,amount_centers=2)
        initial_centers = initializer.initialize()
        xm = xmeans.xmeans(data=features,initial_centers=initial_centers)
        xm.process()

        """
        分類が出力される
        しかしこの出力の仕方がscikit-learnとは違うので厄介
        """
        clusters = xm.get_clusters()
        '''一次元配列flat_labelを用意'''
        flat_label = np.array([])
        '''sklearnでいうlabel_の大きさを調べる'''
        for cluster in clusters:
            flat_label = np.append(flat_label,cluster)
        '''正規のlabelを代入するための配列を確保'''
        labels = np.zeros((1,flat_label.size))
        '''
        pyclusteringのclustersはクラスター数次元配列があり、標本の名前がクラスターに分類され配列として返す。
        一方でsklearnのlabel_は標本と同様の順番に、その標本が属するクラスターの番号を配列で返す。
        下記のコードはその変換を行っている
        '''
        for n,n_th_cluster in enumerate(clusters):
            for img_num in n_th_cluster:
                labels[0][img_num] = n

        
        '''このままのラベルだと[[a........z]]の二重括弧になる。
        それはsklearnの仕様に沿わない。[a........z]の一重括弧にする。
        '''

        self.labels_ = labels[0]
        return self

2020/05/30 コードを一部修正
@physicalcottonさんのご指摘によりコードを一部修正しました。@physicalcottonさん、ご指摘ありがとうございます。
#まとめ
個人的にこのコードはまだまだ改善の余地があると思っている。もしよければ改善点を申し付けていただいたらありがたい。