无法正确输入node2vec嵌入数据至DBSCAN聚类的问题求助

一、正确读取CSV，提取纯数值矩阵 #

针对你提到的两种CSV格式，分别处理：

• 首列为节点名的CSV：
  读取时将第一列设为索引，直接提取数值部分：

  import pandas as pd
  df = pd.read_csv('your_embedding.csv', index_col=0)
  # 替代弃用的as_matrix，二选一即可
  X = df.values  # 或者 df.to_numpy()
  

• 首行为节点名的CSV：
  直接读取后提取数值（首行自动作为列名，不影响数值矩阵提取）：

  df = pd.read_csv('your_embedding.csv')
  X = df.values
  

  注意：如果节点名混入非字符串内容，可能导致pandas将某列识别为object类型，进而让X中混入非数值数据。务必检查df.dtypes，确保所有列都是float64或int64类型。

二、排查并清理非法数值 #

报错提示的NaN/无穷大是核心问题，必须彻底清理：

import numpy as np

# 先统计异常值数量
print("NaN数量：", np.isnan(X).sum())
print("无穷大数量：", np.isinf(X).sum())

# 清理方案二选一：
# 方案1：将异常值替换为矩阵的均值/极值（适合少量异常）
X_clean = np.nan_to_num(X, nan=np.nanmean(X), posinf=np.nanmax(X), neginf=np.nanmin(X))
# 方案2：删除包含异常值的节点行（适合异常值多且节点可舍弃的场景）
clean_df = df.dropna(axis=0, how='any')
clean_df = clean_df[~clean_df.isin([np.inf, -np.inf]).any(axis=1)]
X_clean = clean_df.values

额外提醒：node2vec嵌入本身不应出现这些异常值，大概率是CSV保存环节出了问题——比如用错分隔符（把逗号写成分号）、保存时数据截断、导出时混入额外注释行。可以用记事本打开CSV，检查是否有空单元格、乱码或不完整的行。

三、替换弃用的as_matrix方法 #

直接用df.values或df.to_numpy()替代as_matrix()，这两种是sklearn官方推荐的写法，不会触发弃用警告。

四、验证输入合法性 #

喂给DBSCAN前，先确认数据格式合规：

print("数据类型：", X_clean.dtype)  # 必须为float64
print("数据形状：", X_clean.shape)  # 格式应为(节点数, 嵌入维度)
print("数值范围：", np.min(X_clean), np.max(X_clean))  # 排查是否存在离谱极值
# 如果类型不符，强制转换
X_clean = X_clean.astype(np.float64)

五、DBSCAN调用示例 #

用清理后的矩阵执行聚类：

from sklearn.cluster import DBSCAN

# eps和min_samples需根据你的嵌入数据调整，比如先试eps=0.5、min_samples=3
dbscan = DBSCAN(eps=0.5, min_samples=3)
cluster_labels = dbscan.fit_predict(X_clean)

# 查看聚类结果
print("每个节点的聚类标签：", cluster_labels)
print("有效聚类数（不含噪声点）：", len(set(cluster_labels)) - (1 if -1 in cluster_labels else 0))

内容的提问来源于stack exchange，提问作者Steve