Python实现K-Means四聚类绘图报IndexError问题求助

代码里共有4处问题，按顺序修改即可解决报错：

• 核心报错原因：特征矩阵维度和绘图索引不匹配。X=data.values.reshape(-1,1)会把所有数据强行压缩为只有1列的二维数组，列索引范围只有0，但绘图时你调用了X[..., 1]访问第二列，直接触发索引越界。如果要绘制二维聚类散点图，输入特征X至少需要保留2个数值维度，不要做单列reshape；如果是单特征聚类，无法绘制二维散点，需要调整可视化方式。
• 语法错误：定义y变量时reshape前误写为逗号，正确写法是点调用，且当前代码全程未使用y变量，这行可以直接删除。
• 拼写笔误：最后一个聚类散点的筛选条件误写为albel==3，正确变量名是label。
• 冗余操作：你先调用了kmeans.fit(X)完成训练，后面又调用fit_predict(X)重复拟合模型，保留一次拟合即可。

修正后的参考代码：

# 数据清洗步骤保持不变
data = Bel_sort_cleaned.drop(['cprptp','JURISDICTION','STREET','ADDRESS','ddes1',                      
'DESCRIPTION','COM_BLDG_VALUE','OCCUPANCY','segments','OBJECTID'], axis=1)
data = data.dropna()

# 若要绘制二维散点图，至少选取2个数值特征作为输入，不要reshape为单列
# 示例：选取门牌号和另一个你需要参与聚类的数值字段
# X = data[['HOUSENUM', '替换为你的第二个数值列名']].values
X = data.values

# 模型训练，去掉重复拟合步骤
kmeans = KMeans(n_clusters=4, random_state=0)
label = kmeans.fit_predict(X)

# 修正拼写错误，确保列索引和X的维度匹配
plt.scatter(X[label==0, 0], X[label==0, 1], s=100, c='red', label='Cluster 1')
plt.scatter(X[label==1, 0], X[label==1, 1], s=100, c='blue', label='Cluster 2')
plt.scatter(X[label==2, 0], X[label==2, 1], s=100, c='green', label='Cluster 3')
plt.scatter(X[label==3, 0], X[label==3, 1], s=100, c='cyan', label='Cluster 4')
plt.legend()
plt.show()

补充说明：如果你剔除无关列后，数据集里只剩HOUSENUM一个数值字段，X将始终只有1列，无法用当前的二维散点代码可视化，需要补充第二个参与聚类的数值特征，或改用直方图、箱线图展示单特征的聚类分布。

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