K-Means聚类报错：scatter() got multiple values for argument 'c'排查

本人是机器学习新手，需完成无监督学习任务，选择使用K-Means算法。使用Python在Google Colab中导入CSV格式的7特征数据，通过肘部法确定聚类数k后，绘制聚类图时出现报错：scatter() got multiple values for argument 'c'。仅使用2个特征时可正常运行，请问问题出在哪里？

肘部法代码 #

%matplotlib inline
import matplotlib.pyplot as plt
import seaborn as sns; sns.set()
import numpy as np
import pandas as pd

from sklearn.cluster import KMeans

DATA = "/content/information.csv"
df = pd.read_csv (DATA, header=0)
data = list(zip(x_train["date"], x_train["a"], x_train["b"], x_train["c"], x_train["d"], x_train["e"], x_train["f"]))
print(data)

inertias = []

for i in range(1,40):
    kmeans = KMeans(n_clusters=i)
    kmeans.fit(data) 
    inertias.append(kmeans.inertia_)

plt.plot(range(1,40), inertias, marker='o')
plt.title('Elbow method')
plt.xlabel('Number of clusters')
plt.ylabel('Inertia')
plt.show()

报错代码 #

kmeans = KMeans(n_clusters=5) 
kmeans.fit(data)  
plt.scatter(x_train["date"], x_train["a"], x_train["b"], x_train["c"], x_train["d"], x_train["e"], x_train["f"], c=kmeans.labels_) 
plt.show()  

核心错误原因 #

plt.scatter()的参数规则导致了这个报错：

• 该函数默认仅接受两个位置参数，对应x轴和y轴数据
• 传入7个特征时，前两个参数被识别为x、y，第三个参数会自动匹配到函数的c参数（c是第三个位置参数），而你后面又显式传入c=kmeans.labels_，造成同一个参数被重复赋值，触发multiple values for argument 'c'错误。

可行解决方式 #

由于无法直接可视化7维数据，需从以下两种方案中选择：

方案1：选取2个特征做二维散点图 #

和你之前正常运行的逻辑一致，只保留两个特征作为x、y轴：

# 示例：选择date和a特征
plt.scatter(x_train["date"], x_train["a"], c=kmeans.labels_)
plt.xlabel("date")
plt.ylabel("a")
plt.show()

方案2：用PCA降维到2维后可视化 #

通过主成分分析（PCA）将7维数据压缩到2维，保留核心特征后再绘制聚类图：

from sklearn.decomposition import PCA

# 将数据转换为numpy数组
data_np = np.array(data)
# 初始化PCA，指定降维到2维
pca = PCA(n_components=2)
# 对高维数据降维
data_2d = pca.fit_transform(data_np)

# 绘制降维后的聚类散点图
plt.scatter(data_2d[:, 0], data_2d[:, 1], c=kmeans.labels_)
plt.xlabel("主成分1")
plt.ylabel("主成分2")
plt.title("7维数据PCA降维后K-Means聚类结果")
plt.show()

额外代码优化建议 #

肘部法代码中存在未定义x_train的问题，应直接使用读取的df数据框获取列：

# 替换原data定义行，两种可选方式：
# 方式1：zip转换为列表
data = list(zip(df["date"], df["a"], df["b"], df["c"], df["d"], df["e"], df["f"]))
# 方式2：直接转为numpy数组（更适合后续模型处理）
data = df[["date", "a", "b", "c", "d", "e", "f"]].values

内容的提问来源于stack exchange，提问作者Aysha