KMeans聚类代码单独运行正常，合并子图后异常的原因及解决方法

问题背景 #

尝试在3个数据集上运行KMeans模型并可视化聚类结果，分块单独运行模型绘图时一切正常，但将代码整合到同一代码块使用子图展示时，仅最后一个模型的可视化结果正常，另外两个完全失效。

数据集生成代码 #

blobsX, blobsY = make_blobs(n_samples=1000, n_features=2, random_state=177)

classX, classY = make_classification(n_samples=1000, n_features=2, n_redundant=0, 
n_clusters_per_class=1, random_state=177)

circleX, circleY = make_circles(n_samples=1000, noise=0.3,  random_state=177)

分块运行（结果正常） #

分块运行时，每个数据集的聚类可视化都能正确展示：

1. Blobs数据集聚类代码：

kmeans = KMeans(n_clusters=3)
label = kmeans.fit_predict(blobsX)
labels = np.unique(label)

for i in labels:
    plt.scatter(blobsX[label == i , 0] , blobsX[label == i , 1] , label = i)
plt.show()

运行后可清晰看到3个簇的区分效果。

2. Classification数据集聚类代码：

kmeans = KMeans(n_clusters=2)
label = kmeans.fit_predict(classX)
labels2 = np.unique(label)

for i in labels2:
    plt.scatter(classX[label == i , 0] , classX[label == i , 1] , label = i)
plt.show()

运行后可正确区分2个簇。

3. Circles数据集聚类代码：

kmeans = KMeans(n_clusters=2)
label = kmeans.fit_predict(circleX)
labels3 = np.unique(label)

for i in labels3:
    plt.scatter(circleX[label == i , 0] , circleX[label == i , 1] , label = i)
plt.show()

运行后可展示KMeans对环形数据的聚类结果。

整合代码（结果失效） #

将所有代码整合后，仅最后一个子图正常显示，前两个子图失效：

kmeans = KMeans(n_clusters=3)
label = kmeans.fit_predict(blobsX)
labels = np.unique(label)

kmeans = KMeans(n_clusters=2)
label = kmeans.fit_predict(classX)
labels2 = np.unique(label)

kmeans= KMeans(n_clusters=2)
label = kmeans.fit_predict(circleX)
labels3 = np.unique(label)

fig = plt.figure(figsize=(20,5))    
ax = fig.add_subplot(131)
ax2 = fig.add_subplot(132)
ax3 = fig.add_subplot(133)

for i in labels:
    ax.scatter(blobsX[label == i , 0] , blobsX[label == i , 1] , label = i)

for j in labels2:
    ax2.scatter(classX[label == j , 0] , classX[label == j , 1] , label = j)

for k in labels3:
    ax3.scatter(circleX[label == k , 0] , circleX[label == k , 1] , label = k)

plt.show()

问题原因 #

核心问题是变量覆盖：所有聚类结果都存储在同一个label变量中。第一次给blobsX生成聚类标签后，第二次运行classX的聚类时，新的标签会覆盖原来的label值，第三次运行circleX的聚类时又再次覆盖。最终绘图时，前两个子图使用的都是最后一次生成的circleX的标签，用这个标签去匹配blobsX和classX的数据，自然无法正确筛选出对应簇的样本，导致可视化失效。

修复方案 #

为每个数据集的聚类标签分配独立的变量名，避免变量覆盖。将label分别命名为label_blobs、label_class、label_circle，绘图时对应使用各自的标签即可。

修复后的完整代码：

from sklearn.cluster import KMeans
from sklearn.datasets import make_blobs, make_classification, make_circles
import matplotlib.pyplot as plt
import numpy as np

# 生成数据集
blobsX, blobsY = make_blobs(n_samples=1000, n_features=2, random_state=177)
classX, classY = make_classification(n_samples=1000, n_features=2, n_redundant=0, 
n_clusters_per_class=1, random_state=177)
circleX, circleY = make_circles(n_samples=1000, noise=0.3,  random_state=177)

# 分别训练模型并保存独立的标签
kmeans = KMeans(n_clusters=3)
label_blobs = kmeans.fit_predict(blobsX)
labels_blobs = np.unique(label_blobs)

kmeans = KMeans(n_clusters=2)
label_class = kmeans.fit_predict(classX)
labels_class = np.unique(label_class)

kmeans= KMeans(n_clusters=2)
label_circle = kmeans.fit_predict(circleX)
labels_circle = np.unique(label_circle)

# 创建子图并绘图
fig = plt.figure(figsize=(20,5))    
ax = fig.add_subplot(131)
ax2 = fig.add_subplot(132)
ax3 = fig.add_subplot(133)

# 绘制blobs数据集聚类结果
for i in labels_blobs:
    ax.scatter(blobsX[label_blobs == i , 0] , blobsX[label_blobs == i , 1] , label = i)
ax.set_title("Blobs Dataset KMeans Clustering")
ax.legend()

# 绘制classification数据集聚类结果
for j in labels_class:
    ax2.scatter(classX[label_class == j , 0] , classX[label_class == j , 1] , label = j)
ax2.set_title("Classification Dataset KMeans Clustering")
ax2.legend()

# 绘制circles数据集聚类结果
for k in labels_circle:
    ax3.scatter(circleX[label_circle == k , 0] , circleX[label_circle == k , 1] , label = k)
ax3.set_title("Circles Dataset KMeans Clustering")
ax3.legend()

plt.show()

内容的提问来源于stack exchange，提问作者user15404111