R语言hclust()报错：外部函数调用含NA/NaN/Inf问题求助

嘿，作为R新手遇到这种报错确实头疼，我来帮你拆解问题根源和解决办法：

错误根源分析 #

你代码里的核心问题出在hclust的members参数上：

members = clustdata[,1]
这个参数要求传入数值型向量（用来指定每个观测的权重/重复次数），但你传的是投手姓名（字符型数据）。R在尝试把字符转成数值时会生成NA，这就是你看到的"NAs introduced by coercion"的原因，而这些NA又导致hclust调用底层函数时触发了"NA/NaN/Inf in foreign function call (arg 7)"的错误。

具体解决步骤 #

1. 修正hclust的members参数

如果你不需要给观测设置权重（大部分聚类场景不需要），直接删掉这个参数即可，因为members是可选参数，默认每个观测权重为1：

hc_1 = hclust(d, method = "single")

如果你确实需要设置权重（比如用投手的出场次数作为权重），那你得先统计出场次数生成数值型向量：

# 统计每个投手的出场次数
pitcher_counts = aggregate(v_score ~ h_starting_pitcher_name, data8, length)
# 确保次数数据和聚类数据的顺序一致（aggregate会按分组名排序，这里可以直接合并）
clustdata = merge(clustdata, pitcher_counts, 
                  by.x = "scoreagg.h_starting_pitcher_name", 
                  by.y = "h_starting_pitcher_name")
# 用出场次数作为members参数传入
hc_1 = hclust(d, method = "single", members = clustdata$v_score.y)

2. 验证聚类数据的数值类型

虽然你预览了clustdata，但还是要确认第2-9列都是数值型，避免隐藏的字符数据导致转矩阵时出错：

# 查看列类型
str(clustdata[,2:9])
# 如果有非数值列，强制转换
clustdata[,2:9] = lapply(clustdata[,2:9], as.numeric)
# 检查是否还有NA
sum(is.na(clustdata[,2:9]))

3. 简化数据聚合代码（可选，但更高效）

你现在用了多个aggregate，其实可以一次性聚合所有变量，避免重复代码和顺序不一致的问题：

# 一次性按投手姓名聚合所有需要的变量，求均值
clustdata = aggregate(
  cbind(v_score, v_hits, v_doubles, v_triples, v_homeruns, v_hit_by_pitch, v_walks, v_strikeouts) ~ h_starting_pitcher_name,
  data = data8,
  FUN = mean
)
# 此时clustdata第一列是投手名，后面全是均值列，结构更清晰

内容的提问来源于stack exchange，提问作者imbacon