Python3如何绘制39个不同颜色的K-means聚类散点图并解决相关报错

问题原因 #

1. 直接报错的根源是你错误使用了enumerate()函数：enumerate(cluster_labels)返回的是(索引值, 聚类标签)的元组，你拿这个元组作为key去颜色字典里查询，自然会触发KeyError。
2. 即便去掉enumerate()，原有逻辑依然有问题：mcolors.BASE_COLORS和mcolors.CSS4_COLORS的key都是字符串格式的颜色名（比如'red'、'skyblue'），而聚类标签是0-38的整数，直接拿整数去查字符串为key的字典，依然会报错。
3. 额外注意：你绘制散点图的时候经纬度坐标传反了，经度(LONG)应该作为x轴，纬度(LAT)作为y轴，否则点位位置会出错。

解决方法 #

不用自己手动构建颜色映射，matplotlib的scatter方法原生支持直接传入类别标签作为颜色依据，只需指定c参数为聚类标签，再搭配一个支持多色的颜色映射表（cmap）即可，39个类别推荐用hsv色系，它可以生成任意数量差异明显的颜色。

修正后代码 #

# K-means客户聚类
from sklearn.cluster import KMeans
import matplotlib.pyplot as plt

km_model = KMeans(n_clusters=39, random_state=42) # 加random_state保证结果可复现
cluster_labels = km_model.fit_predict(hvc_hvposition[["LAT", "LONG"]]) # fit_predict等价于fit+predict，更简洁

# 绘制点位
plt.figure(figsize=(8, 8))
# 先画底图邮编点位，用浅灰避免抢主点位的视觉焦点
plt.scatter(postcodes_df["LONG"], postcodes_df["LAT"], s=2, color='lightgray')
# 画客户点位，按聚类标签着色
plt.scatter(hvc_hvposition["LONG"], hvc_hvposition["LAT"], c=cluster_labels, cmap='hsv', s=6)
# 可选：加颜色条对应聚类标签
plt.colorbar(label='聚类标签')
plt.xlabel('经度')
plt.ylabel('纬度')
plt.show()

如果你一定要手动生成颜色列表，可以用以下方式实现：

from matplotlib import cm
import numpy as np
# 生成39个不同的颜色
color_list = cm.hsv(np.linspace(0, 1, 39))
# 每个样本对应自己聚类标签的颜色
cluster_colors = [color_list[label] for label in cluster_labels]

内容的提问来源于stack exchange，提问作者MRT