如何使用Scikit-learn KMeans处理外部生成的相关矩阵

你的错误是因为KMeans只能处理纯数值数据，而CSV里的ABBV大概率是行/列的标签（比如股票代码），属于非特征的标识信息，必须先和数值特征分离。以下是具体解决步骤：

• 读取CSV并保留标签：用Pandas读取文件时，把含字符串的列设为索引，避免混入特征数据：

  import pandas as pd
  # 假设第一列是字符串标签，设置为行索引
  df = pd.read_csv('你的相关矩阵文件.csv', index_col=0)
  

• 分离数值特征与标签：提取纯数值的特征矩阵，同时保存标签用于后续对应结果：

  # 提取数值数据
  feature_data = df.values
  # 保存原始标签（比如ABBV这类标识）
  item_labels = df.index.tolist()
  

• 运行KMeans聚类：用纯数值数据训练模型：

  from sklearn.cluster import KMeans
  # 根据需求设置聚类数，这里以3为例
  kmeans = KMeans(n_clusters=3, random_state=42)
  cluster_labels = kmeans.fit_predict(feature_data)
  

• 关联聚类结果与原始标签：把聚类结果和对应的字符串标签整合，方便查看：

  result_df = pd.DataFrame({
      'Item': item_labels,
      'Cluster': cluster_labels
  })
  print(result_df)
  

如果CSV中除了行/列标签外，还有其他字符串列混入特征中，可以用以下方式过滤出纯数值特征：

# 只保留数值类型的列
numeric_df = df.select_dtypes(include=['float64', 'int64'])
# 再提取特征数据
feature_data = numeric_df.values

内容的提问来源于stack exchange，提问作者Stumbling Through Data Science