基于数组列表用Scikit-learn绘制凝聚聚类图报错TypeError的排查

错误原因 #

1. 数据类型不兼容：你的X是Python列表而非numpy数组，列表不支持布尔数组索引操作。model.labels_ == l生成的是布尔数组，用它去索引列表X会直接触发该TypeError。
2. 绘图操作依赖numpy特性：即使AgglomerativeClustering.fit()可以兼容列表输入，后续绘图时的X[model.labels_ == l].T需要numpy数组的转置和布尔索引能力，列表无法支持这种操作。

修正方案 #

步骤1：将X转换为二维numpy数组 #

先把包含子数组的列表转成numpy数组，确保所有子数组长度一致（如果长度不一致，需要先做截断/填充处理）。

修正后的完整代码 #

import numpy as np
from sklearn.cluster import AgglomerativeClustering
import matplotlib.pyplot as plt

colors = ["#f7bd01", "#377eb8", "#f781bf"]
# 转换为numpy二维数组
X = np.array(X)
model = AgglomerativeClustering(n_clusters=3, linkage="average")
model.fit(X)
plt.figure()
plt.axes([0, 0, 1, 1])
for l, color in zip(np.arange(model.n_clusters), colors):
    # 现在可正常使用布尔索引筛选聚类样本
    plt.plot(X[model.labels_ == l].T, c=color, alpha=0.5)
plt.axis("tight")
plt.axis("off")
plt.show()

额外注意 #

如果子数组长度不一致，转成numpy数组后会变成object类型，仍然无法正常索引。这种情况下需要先统一所有样本的特征长度，比如：

• 截断过长的样本到最短长度
• 用均值/0填充过短的样本到最长长度

内容的提问来源于stack exchange，提问作者Adagio