R语言：如何将K-means 4聚类结果展示在Biplot中？

原代码的问题点 #

• 未定义milk_matrix，直接使用milk数据集即可（flexclust::milk本身就是可用于PCA的数据框）
• Biplot未关联聚类结果，未设置xlabs参数为聚类成员向量，也未通过颜色区分聚类分组

修正后的完整代码 #

# 加载包与数据
library("flexclust")
data(milk)

# 对milk数据集做PCA（修正原代码中milk_matrix未定义的问题）
pca_milk <- prcomp(x = milk, center = TRUE, scale. = FALSE, retx = TRUE)

# 执行K-means聚类，分成4类
km4 <- kmeans(milk, centers = 4)
# 查看各聚类的样本数量（可选，用于验证聚类分布）
table(km4$cluster)

# 绘制带聚类标签与颜色区分的Biplot
biplot(pca_milk, 
       main = "Biplot of Milk Dataset with 4 K-means Clusters",
       cex = c(0.7, 1), 
       scale = TRUE,
       # 将xlabs设置为聚类成员向量（每个点显示对应的聚类编号）
       xlabs = as.character(km4$cluster),
       # 按聚类为点上色，增强区分度
       col = c(km4$cluster, rep("black", ncol(milk)))
)

关键代码解释 #

• xlabs = as.character(km4$cluster)：把每个样本对应的聚类编号（km4$cluster是整数向量）转为字符，作为Biplot中样本点的标签，直接呈现聚类成员归属
• col = c(km4$cluster, rep("black", ncol(milk)))：前半部分用聚类编号作为颜色索引，让同一聚类的样本点颜色一致；后半部分固定变量箭头为黑色，避免变量标签颜色混乱
• 如果需要对数据做标准化处理（更适合PCA分析），可以将prcomp中的scale. = FALSE改为scale. = TRUE

内容的提问来源于stack exchange，提问作者Rosie Lomas