Got it！我完全理解你的需求——不用依赖kmeans()的输出，只凭原始数据和聚类标签就能算出这些关键统计量，这样不管用什么聚类算法（比如层次聚类、DBSCAN之后手动分配的标签）都能复用这套方法。下面我一步步给你讲清楚怎么实现，还用你给的iris数据做验证，确保和kmeans()的结果完全一致。

先明确核心统计量的定义 #

在动手写代码前，先理清这三个统计量的数学逻辑，这样你也能灵活调整：

• 总平方和(Total SS)：所有样本点到全局均值的平方距离之和，它衡量的是数据整体的离散程度，和聚类结果无关。
• 组内平方和(Within SS)：每个簇内的样本点到该簇均值的平方距离之和，衡量簇内的紧密程度。
• 组间平方和(Between SS)：每个簇的均值到全局均值的平方距离，乘以该簇的样本数后求和；或者直接用总平方和减去组内平方和（因为总平方和 = 组内平方和 + 组间平方和）。

步骤1：准备测试数据和聚类标签 #

先用你给的例子生成数据和聚类标签，方便后续验证：

# 加载iris数据的前4个特征
data <- iris[1:4]
# 用kmeans生成聚类标签（仅用于验证，实际你可以替换成任意聚类结果）
fit <- kmeans(data, 3)
clusters <- fit$cluster

步骤2：计算总平方和(Total SS) #

有两种等价的计算方式，选你顺手的就行：

方式1：直接计算每个样本到全局均值的平方距离之和

# 计算全局均值（所有样本的特征均值）
global_mean <- colMeans(data)
# 遍历每个样本，计算到全局均值的平方距离，再求和
totss <- sum(apply(data, 1, function(x) sum((x - global_mean)^2)))
totss
#> [1] 681.3706

方式2：用方差推导（更高效）

总平方和等于每个特征的(样本数-1)*方差之和，因为方差的定义是平方和/(n-1)，反过来就能得到平方和：

totss_alt <- sum((nrow(data)-1)*apply(data, 2, var))
totss_alt
#> [1] 681.3706

两种方式结果完全一致，和fit$totss的输出匹配。

步骤3：计算组内平方和(Within SS) #

你提到已经从其他帖子得到了这个方法，这里再写一遍完整代码，方便对照：

withinss <- 0
# 遍历每个聚类标签
for (cluster in unique(clusters)) {
  # 提取当前簇的所有样本
  cluster_data <- data[clusters == cluster, ]
  # 计算当前簇的均值
  cluster_mean <- colMeans(cluster_data)
  # 累加当前簇内所有样本到簇均值的平方距离
  withinss <- withinss + sum(apply(cluster_data, 1, function(x) sum((x - cluster_mean)^2)))
}
withinss
#> [1] 78.85144

这个结果和sum(fit$withinss)完全一致（因为fit$withinss是每个簇单独的组内平方和，求和就是总组内平方和）。

步骤4：计算组间平方和(Between SS) #

同样有两种等价方式：

方式1：总平方和减组内平方和（最简单）

betweenss <- totss - withinss
betweenss
#> [1] 602.5192

方式2：直接计算簇均值到全局均值的加权平方和

betweenss_alt <- 0
global_mean <- colMeans(data)
for (cluster in unique(clusters)) {
  # 当前簇的样本数量
  cluster_size <- sum(clusters == cluster)
  # 当前簇的均值
  cluster_mean <- colMeans(data[clusters == cluster, ])
  # 累加：簇大小 * 簇均值到全局均值的平方距离
  betweenss_alt <- betweenss_alt + cluster_size * sum((cluster_mean - global_mean)^2)
}
betweenss_alt
#> [1] 602.5192

两种方式的结果都和fit$betweenss完全匹配。

封装成可复用的函数 #

如果经常需要计算，可以把这些逻辑封装成一个函数，输入数据和聚类标签就能直接得到三个统计量：

cluster_ss <- function(data, clusters) {
  # 计算总平方和
  global_mean <- colMeans(data)
  totss <- sum(apply(data, 1, function(x) sum((x - global_mean)^2)))
  
  # 计算组内平方和
  withinss <- 0
  for (cluster in unique(clusters)) {
    cluster_data <- data[clusters == cluster, ]
    cluster_mean <- colMeans(cluster_data)
    withinss <- withinss + sum(apply(cluster_data, 1, function(x) sum((x - cluster_mean)^2)))
  }
  
  # 计算组间平方和
  betweenss <- totss - withinss
  
  # 返回结果列表
  return(list(
    total_ss = totss,
    within_ss = withinss,
    between_ss = betweenss
  ))
}

# 测试函数
result <- cluster_ss(data, clusters)
result$total_ss    # 对应fit$totss
#> [1] 681.3706
result$between_ss  # 对应fit$betweenss
#> [1] 602.5192
result$within_ss   # 对应sum(fit$withinss)
#> [1] 78.85144

这样不管你用什么聚类方法得到的标签，只要传入数据和标签，就能快速算出这三个关键统计量啦！

内容的提问来源于stack exchange，提问作者Dominique Makowski