如何将Matplotlib绘制的KMeans聚类图转为Plotly网页可视化图？

云上老周

2026-8-8

解决Plotly实现KMeans聚类可视化的列缺失问题

问题根源

cs.predict(df)返回的是一维聚类标签数组，不是包含_time、_value列的DataFrame，而Plotly的px.line要求所有绘图数据都来自同一个DataFrame，所以找不到指定列才触发ValueError。Matplotlib的plt.plot能正常绘图，是因为它会自动按索引对齐DataFrame和数组数据，规则和Plotly不同。

解决步骤

将聚类标签合并到原始DataFrame
在你的df里新增一列存储聚类结果，比如命名为cluster：
```
df['cluster'] = cs.predict(df)
```
用Plotly绘制散点图（匹配原Matplotlib效果）
你原代码里的plt.plot(df, cs.predict(df), 'o')实际是绘制散点图，不是折线图，所以应该用px.scatter而非px.line，更贴合需求：
```
import plotly.express as px

fig = px.scatter(df, x='_time', y='_value', color='cluster', title='KMeans 聚类可视化')
fig.show()  # 自动在浏览器打开图表
```

完整示例代码

结合常规流程，整合后的代码如下：

import pandas as pd
from sklearn.cluster import KMeans
import plotly.express as px

# 读取CSV数据，确保_time转为日期类型
df = pd.read_csv('你的数据文件.csv', parse_dates=['_time'])

# 训练KMeans模型（假设用_value作为聚类特征）
cs = KMeans(n_clusters=3, random_state=42)
cs.fit(df[['_value']])

# 新增聚类标签列
df['cluster'] = cs.predict(df)

# 生成Plotly散点图
fig = px.scatter(df, x='_time', y='_value', color='cluster',
                 hover_data=['_time', '_value', 'cluster'],
                 title='KMeans聚类结果可视化')
fig.update_traces(marker_size=8)  # 调整点的大小，更清晰
fig.show()