如何在Python的KMeans中使用R的随机种子123复现聚类结果

你的错误出在random_state参数的使用上——sklearn的KMeans要求该参数为整数、numpy RandomState实例或None，但你传入了R生成的FloatVector对象，类型不匹配导致报错。

R和sklearn的KMeans实现（包括随机初始化逻辑、默认算法）存在差异，直接用相同的随机种子无法保证结果一致，最可靠的方式是复用R中KMeans的初始质心，或者直接调用R的KMeans获取结果。

方案1：用rpy2直接调用R的KMeans获取结果 #

这种方法最直接，完全复用R的计算逻辑：

import rpy2.robjects as robjects
from rpy2.robjects import pandas2ri
import pandas as pd
import numpy as np

# 启用pandas与R数据格式的自动转换
pandas2ri.activate()

# 读取数据
df = pd.read_excel(r'E:\Superservicios\Modelo de riesgo\Escenarios\Base_indicadores.xlsx')
X = df[["ACTIVO","INGRESOS"]]

# 在R环境中执行KMeans计算
robjects.r('''
set.seed(123)
# 将Python传入的DataFrame转为R矩阵
r_data <- as.matrix(X)
# 指定algorithm="Lloyd"对齐sklearn默认算法（可选，若需完全匹配）
r_kmeans_result <- kmeans(r_data, centers=4, algorithm="Lloyd")
''')

# 提取R的聚类结果到Python
r_cluster_labels = np.array(robjects.r['r_kmeans_result$cluster']) - 1  # 转换为sklearn风格的0起始标签
r_centroids = np.array(robjects.r['r_kmeans_result$centers'])

print("R生成的聚类标签：", r_cluster_labels)
print("R生成的质心：", r_centroids)

方案2：在sklearn中复用R的初始质心复现结果 #

如果你希望用sklearn的API完成后续计算，可以先获取R的初始质心，再传入sklearn的KMeans：

import rpy2.robjects as robjects
from rpy2.robjects import pandas2ri
import pandas as pd
import numpy as np
from sklearn.cluster import KMeans

pandas2ri.activate()

df = pd.read_excel(r'E:\Superservicios\Modelo de riesgo\Escenarios\Base_indicadores.xlsx')
X = df[["ACTIVO","INGRESOS"]].values

# 在R中生成与set.seed(123)对应的初始质心
robjects.r('''
set.seed(123)
r_data <- as.matrix(X)
# 仅生成初始质心（模拟R的KMeans初始化逻辑）
r_init_centers <- kmeans(r_data, centers=4, nstart=1, algorithm="Lloyd")$centers
''')

# 获取R生成的初始质心
r_init_centers = np.array(robjects.r['r_init_centers'])

# 在sklearn中使用该质心初始化KMeans，n_init=1避免重新生成质心
kmeans = KMeans(n_clusters=4, init=r_init_centers, n_init=1, random_state=123)
kmeans.fit(X)

print("sklearn复现的聚类标签：", kmeans.labels_)
print("sklearn复现的质心：", kmeans.cluster_centers_)

关键注意事项 #

• 算法对齐：R的kmeans()默认使用Hartigan-Wong算法，而sklearn的KMeans默认使用Lloyd算法。若需完全匹配结果，必须在R中指定algorithm="Lloyd"。
• 标签索引：R的聚类标签从1开始，sklearn从0开始，需要做减1转换。
• 初始化次数：sklearn的n_init默认值为10（会多次初始化取最优结果），而R的nstart默认值为1。因此在sklearn中需设置n_init=1，确保仅使用传入的初始质心计算。

内容的提问来源于stack exchange，提问作者Manuel Gustavo Vergara Murillo