重实现Kmeans算法时Centroids返回None引发AttributeError求助

问题现象 #

重写K-Means算法过程中，更新质心的new_centroids函数返回None，导致主循环执行一次后，下一轮循环触发AttributeError: 'NoneType' object has no attribute 'equals'错误，报错信息如下：

Iteration 1: Centroids None
Centroids is None
---------------------------------------------------------------------------
AttributeError                            Traceback (most recent call last)
Cell In[24], line 9
      6 old_centroids = pd.DataFrame()
      7 iteration = 1
----> 9 while iteration < max_iteration and not centroids.equals(old_centroids):
     10     old_centroids = centroids
     11     labels = get_labels(data, centroids)

AttributeError: 'NoneType' object has no attribute 'equals'

相关代码 #

绘制聚类函数 #

def plot_clusters(data, labels, centroids, iteration):
    pca = PCA(n_components=2)
    data_2d = pca.fit_transform(data)
    centroids_2d = pca.transform(centroids)
    clear_output(wait=True)
    plt.title(f'Iteration{iteration}')
    plt.scatter(x=data_2d[:,0], y=data_2d[:,1], c=labels)
    plt.scatter(x=centroids_2d[:,0], y=centroids_2d[:,1])
    plt.show()

主循环代码 #

max_iteration = 100
k = 7

centroids = random_centroids(data, k)
#print(f'Centroids formed {centroids}')
old_centroids = pd.DataFrame()
iteration = 1

while iteration < max_iteration and not centroids.equals(old_centroids):
    old_centroids = centroids
    labels = get_labels(data, centroids)
    centroids = new_centroids(data, labels, k)
    print(f'Iteration {iteration}: Centroids {centroids}')
    if centroids is not None:
        plot_clusters(data, labels, centroids, iteration)
    else:
        print("Centroids is None")
    iteration +=1

已验证正常的前置函数 #

def random_centroids(data, k):
    centroids = []
    for i in range(k):
        centroid = data.apply(lambda x: float(x.sample())) #sample func picks a random number from each feature
        centroids.append(centroid)
    return pd.concat(centroids, axis=1)

def get_labels(data, centroids):
    distances = centroids.apply(lambda x: np.sqrt(((data-x)**2).sum(axis=1)))
                                #Geometric distances formulae
    return distances.idxmin(axis=1)

质心更新函数（问题所在） #

#Obtain Geometric mean of each features(cluster centroids) 
def new_centroids(data, labels,k):     
    data.groupby(labels).apply(lambda x: np.exp(np.log(x).mean())).T

错误原因分析 #

1. 核心原因：new_centroids无返回值
   函数内部执行了分组计算几何均值的逻辑，但没有用return语句返回计算结果，Python中函数默认返回None，这直接导致centroids = new_centroids(...)赋值后变成None。

2. 循环条件存在风险
   当centroids变为None后，循环条件中的centroids.equals(old_centroids)会直接触发AttributeError，因为None对象没有equals方法，且未先做非空判断。

解决办法 #

1. 修复new_centroids函数，添加返回语句 #

修改后的函数：

#Obtain Geometric mean of each features(cluster centroids) 
def new_centroids(data, labels,k):     
    return data.groupby(labels).apply(lambda x: np.exp(np.log(x).mean())).T

注意：如果数据中存在0或负数，np.log(x)会产生NaN或无限值，导致几何均值计算失效，建议提前对数据做预处理（如归一化到正数范围），或者改用K-Means标准实现的算术均值：

def new_centroids(data, labels,k):     
    return data.groupby(labels).mean().T

2. 优化循环条件，增加非空判断 #

修改主循环的while条件，先确保centroids不为None，再进行相等性比较：

while iteration < max_iteration and centroids is not None and not centroids.equals(old_centroids):

3. 可选：增加异常处理（防止分组计算出错） #

可以在new_centroids中添加异常捕获，避免因数据问题导致返回None：

def new_centroids(data, labels,k):
    try:
        return data.groupby(labels).apply(lambda x: np.exp(np.log(x).mean())).T
    except Exception as e:
        print(f"计算质心出错: {e}")
        return centroids  # 返回旧质心，避免循环中断

修正后主循环运行逻辑 #

修复后，new_centroids会正常返回更新后的质心，循环条件先判断centroids非空，再比较新旧质心是否相等，不会再触发AttributeError，K-Means迭代可以正常进行。

内容的提问来源于stack exchange，提问作者KIZ-MAN