使用K-Prototypes做客户分群遇AssertionError错误求助

给你几个实际使用K-Prototypes时最容易踩的坑和对应的解决办法：

• 检查分类列索引的计数规则
  K-Prototypes的catColumnsPos要求用0起始的索引，很多人习惯按1-based（比如Excel列号）来写，导致索引超出列数。你可以先跑两行代码快速验证：

  # 打印数据总列数
  print("总列数:", df.shape[1])
  # 打印分类索引的最大值
  print("分类索引最大值:", max(catColumnsPos))
  

  如果max(catColumnsPos) >= df.shape[1]，直接把所有分类索引减1（如果之前是按1-based写的），或者对照列的实际位置逐个修正。

• 自动生成分类列索引，避免手动输入错误
  手动写索引很容易因为列顺序调整、增删列失效，建议直接通过列名自动获取索引：

  # 列出所有分类列的名称
  categorical_columns = ["Daypart", "col2", "col3", ...]  # 替换成你的分类列名
  # 自动获取每个分类列在数据框中的位置索引
  catColumnsPos = [df.columns.get_loc(col) for col in categorical_columns]
  

  这样不管列怎么变化，索引都是准确匹配的。

• 排查预处理过程中是否误操作了列
  如果之前做过df.drop()、df.select_dtypes()这类操作，原来的列顺序或数量已经改变，手动写的catColumnsPos自然就不匹配了。这时候必须重新生成索引，或者回溯预处理步骤，确保分类列都保留且位置正确。

• 确认分类列的类型合规
  K-Prototypes不需要哑编码，但分类列得是object或category类型，要是被误转成数值型（比如不小心做了错误的标签编码），也可能触发索引相关错误。可以用df.dtypes检查分类列类型，必要时转回正确类型：

  df[categorical_columns] = df[categorical_columns].astype('category')
  

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