Python实现K-means聚类散点图时X位置切片报错问题求解

报错原因 #

X[:,0]是numpy数组的按位置索引语法，而你代码里的X是pandas DataFrame对象，不支持这种二维位置切片写法，因此该行代码运行失败。
KMeans训练步骤没有报错是因为scikit-learn的模型接口兼容pandas DataFrame输入，训练时会自动将其转换为numpy数组处理，不需要手动做格式转换。
你替换成直接取df列的写法能正常运行，是因为传入的pandas Series对象是matplotlib原生支持的输入格式。

修复方案 #

二选一即可：

• 方案1：使用pandas自带的位置索引器iloc适配DataFrame的索引规则，不需要修改X的定义

  # 把原来报错的那行替换成这行
  plt.scatter(X.iloc[:,0], X.iloc[:,1])
  

• 方案2：将X转换为numpy数组后再用位置索引，两种写法都可以

  # 写法1：绘图时临时转numpy
  plt.scatter(X.to_numpy()[:,0], X.to_numpy()[:,1])
  
  # 写法2：定义X的时候直接转成numpy数组，后续所有操作都按numpy数组语法写
  X = df[['List Agency Code', 'Exam No']].copy().to_numpy()
  

优化建议 #

绘制样本散点时可以增加c=pred_y参数，自动给不同聚类簇的样本分配不同颜色，聚类效果更直观：

plt.scatter(X.iloc[:,0], X.iloc[:,1], c=pred_y, cmap='viridis')

修正后完整代码 #

X = df[['List Agency Code', 'Exam No']].copy()   

kmeans = KMeans(n_clusters=4, init='k-means++', max_iter=300, n_init=10, random_state=0)
pred_y = kmeans.fit_predict(X)
plt.scatter(X.iloc[:,0], X.iloc[:,1], c=pred_y, cmap='viridis')

plt.scatter(kmeans.cluster_centers_[:, 0], kmeans.cluster_centers_[:, 1], s=300, c='red')
plt.show()

内容的提问来源于stack exchange，提问作者Emy