如何用R的factoextra包筛选聚类中心附近的近邻数据点？

kmeans()函数和factoextra包本身没有内置参数直接实现这个需求，但你可以通过计算样本到簇中心的距离，再按簇筛选最近的80%数据点，具体步骤如下：

步骤1：计算每个样本到所属簇中心的距离 #

利用kmeans结果中的cluster（簇分配）和centers（簇中心），为每个样本计算到对应簇中心的欧氏距离：

library(factoextra)
library(dplyr)

# 你的原始聚类代码
km.res <- kmeans(data, 4, nstart=10)

# 多维数据通用的距离计算方法
data_with_dist <- data %>%
  mutate(cluster = km.res$cluster) %>%
  rowwise() %>%
  mutate(
    dist_to_center = sqrt(sum((c_across(everything()) - km.res$centers[cluster, ])^2))
  ) %>%
  ungroup()

步骤2：按簇筛选最近的80%数据点 #

对每个簇的数据按距离从小到大排序，保留前80%的样本：

# 筛选每个簇中距离最近的80%数据点
filtered_data <- data_with_dist %>%
  group_by(cluster) %>%
  arrange(dist_to_center) %>%
  slice_head(prop = 0.8) %>% # 保留每个簇的前80%样本
  ungroup()

# 可选：去掉辅助列，只保留原始数据和簇分配
filtered_data_clean <- filtered_data %>% select(-dist_to_center)

步骤3：可视化筛选后的聚类结果 #

构造适配fviz_cluster的结果对象，验证筛选效果：

# 生成用于可视化的聚类结果对象
km_filtered <- km.res
km_filtered$cluster <- filtered_data_clean$cluster

fviz_cluster(km_filtered, data = filtered_data_clean, ellipse.type="norm", geom="point")

补充说明 #

• 这里的80%是每个簇内部的比例，符合聚类场景下的筛选逻辑；如果需要全局范围的80%，去掉group_by(cluster)直接筛选即可。
• 用欧氏距离计算和kmeans默认的距离度量一致，确保筛选逻辑和聚类逻辑匹配。

内容的提问来源于stack exchange，提问作者bgenomics