在R中执行k-means聚类（k=3）时出错，寻求解决方案

我尝试将数据划分为3个聚类，但运行代码时kmeans()函数报错，代码如下：

#Compute k-means with k=3
library(ggplot2)
library(cluster)
library(factoextra)
library(tidyverse)
library(FactoMineR)

set.seed(123)
protein2 <- read_csv("Downloads/protein.csv")
k1<- kmeans(protein2, centers=3, nstart=25)
print(k1)

我的数据集第一列是字符型的国家名称（如Albania、Austria），其余列均为数值型的蛋白质摄入相关指标（如RedMeat、Fish、Eggs等）。

错误原因 #

K-Means是基于距离计算的聚类算法，仅支持数值型输入。你的protein2数据框包含字符型的国家名称列，直接传入kmeans()会触发类型不兼容的错误。

修复方案 #

移除字符型列，只保留数值型特征用于聚类：

# Compute k-means with k=3
library(ggplot2)
library(cluster)
library(factoextra)
library(tidyverse)
library(FactoMineR)

set.seed(123)
protein2 <- read_csv("Downloads/protein.csv")

# 提取数值型特征列（移除第一列的国家名称）
protein_numeric <- select(protein2, -1)
# 或者用索引筛选：protein_numeric <- protein2[, -1]

# 执行K-Means聚类
k1 <- kmeans(protein_numeric, centers=3, nstart=25)
print(k1)

# 可选：将聚类结果合并回原数据，方便后续分析
protein2$cluster <- k1$cluster
head(protein2)

额外优化建议 #

如果各特征的量纲差异较大（比如有的指标是个位数，有的是几十），建议先对数据做标准化处理，避免量纲影响聚类结果：

# 标准化数值特征
protein_scaled <- scale(protein_numeric)
# 基于标准化后的数据聚类
k1_scaled <- kmeans(protein_scaled, centers=3, nstart=25)

内容的提问来源于stack exchange，提问作者user19769766