基于CSV数据集构建KMeans聚类模型的绘图与运行异常问询

核心问题汇总 #

所有导致散点图不显示、聚类无法验证的问题如下：

• 非法数据类型转换：将人口、经度、纬度数值列强制转为bytes类型，matplotlib无法解析字节类型作为坐标值，无法渲染数据点
• 二维/三维绘图接口混用：原生plt.scatter是二维绘图方法，不支持传入z轴坐标，配套的plt.zlim()、plt.zlabel()均为3D绘图专属方法，直接调用会触发属性错误中断绘图
• 坐标轴范围设置完全不符合真实值：经度取值范围为-180_{180、纬度为-90}90，设置的0~5000范围会导致所有真实数据点落在坐标轴可视区域外
• 变量拼写错误：聚类结果变量名拼写前后不一致，先写的indentified_clusters（正确拼写为identified，少写1个f），后续赋值时调用未定义的identified_clusters会触发名称错误
• 语法错误：最后一行散点图代码中，纬度列参数后缺失逗号，直接拼接c=参数，会触发语法错误
• KMeans特征选择错误：使用iloc[:,1:3]仅选取了2列特征，遗漏了人口列，且重复调用fit()和fit_predict()做了两次无意义的聚类计算
• 3D绘图未初始化投影：如果要绘制三维散点图，必须提前创建带3d投影的子图对象，否则无法渲染z轴

修复后完整代码 #

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import KMeans
import pandas as pd

# 读取数据，需确认列名和CSV内列名完全匹配，注意大小写
data = pd.read_csv("data.csv")
# 剔除空值，避免聚类计算报错
data = data.dropna(subset=['population', 'longitude', 'latitude'])
print(data.head())

# ---------------------- 原始数据3D可视化 ----------------------
fig = plt.figure(figsize=(10,7))
ax = fig.add_subplot(projection='3d')
# 直接传入数值列，禁止转bytes类型
ax.scatter(x=data['population'], y=data['longitude'], z=data['latitude'])
# 设置匹配真实数据的坐标轴范围，可根据自有数据集调整
ax.set_xlim(0, data['population'].max()*1.1)
ax.set_ylim(-130, -60) # 美国本土经度范围，其他地区数据可自行修改
ax.set_zlim(20, 55) # 美国本土纬度范围，其他地区数据可自行修改
ax.set_xlabel('Population')
ax.set_ylabel('Longitude')
ax.set_zlabel('Latitude')
ax.set_title('Raw Data Distribution', fontsize=10)
plt.show()

# ---------------------- KMeans聚类计算 ----------------------
# 选取全部三个特征：人口、经度、纬度
x = data[['population', 'longitude', 'latitude']]
# 初始化聚类模型，固定random_state保证结果可复现
kmeans = KMeans(n_clusters=3, random_state=42)
# 单次计算得到聚类结果，无需重复fit
identified_clusters = kmeans.fit_predict(x)
# 打印聚类结果和聚类中心，直接验证算法是否正常运行
print("各样本所属簇标签：", identified_clusters)
print("各簇中心坐标（人口、经度、纬度）：", kmeans.cluster_centers_)

# ---------------------- 聚类结果可视化 ----------------------
data_with_clusters = data.copy()
data_with_clusters['Clusters'] = identified_clusters

fig = plt.figure(figsize=(10,7))
ax = fig.add_subplot(projection='3d')
# 补全缺失的逗号，按簇映射不同颜色
scatter = ax.scatter(
    data_with_clusters['population'],
    data_with_clusters['longitude'],
    data_with_clusters['latitude'],
    c=data_with_clusters['Clusters'],
    cmap='rainbow'
)
# 标记聚类中心，方便直观验证聚类效果
ax.scatter(
    kmeans.cluster_centers_[:,0],
    kmeans.cluster_centers_[:,1],
    kmeans.cluster_centers_[:,2],
    c='black', marker='*', s=200, label='Cluster Centers'
)
ax.set_xlabel('Population')
ax.set_ylabel('Longitude')
ax.set_zlabel('Latitude')
ax.set_title('KMeans Clustering Result (3 Clusters)', fontsize=10)
plt.legend()
plt.colorbar(scatter, label='Cluster ID')
plt.show()

效果验证标准 #

• 代码运行无报错，第一张原始数据分布图可正常显示所有数据点、坐标轴标签
• 控制台会打印每个样本的簇标签、3个聚类中心的坐标值，可手动核对中心位置是否匹配数据分布
• 第二张聚类结果图中，不同颜色代表不同簇，黑色星号标记的聚类中心落在对应颜色点群的中心位置，即代表聚类正常生效

提示：如果使用的不是美国城市数据集，需要自行调整经纬度的坐标轴范围，避免数据点被可视区域遮挡

内容的提问来源于stack exchange，提问作者rraja30