单列数据集KMeans聚类后绘制散点图遇TypeError问题求助

问题根源分析 #

你遇到的TypeError: unhashable type: 'numpy.ndarray'主要来自三个问题：

• 错误的DataFrame索引逻辑：你的数据集只有单列（Brim），但你用了df1[x ==1,0]这种numpy数组式的二维索引——pandas DataFrame不支持这种语法，它会把(x ==1, 0)当成带numpy数组的元组去匹配列名，而numpy数组是不可哈希的，直接触发报错。
• 无意义的第二列调用：你的数据只有一列，根本不存在索引为1的列，df1[x == 0,1]这种写法完全不符合你的数据集结构。
• 冗余的聚类调用：你先执行了km.fit(df1)，之后又调用km.fit_predict(df1)，其实fit_predict已经包含了模型训练步骤，重复调用纯粹是浪费计算资源。

修正方案 #

因为你的数据是单列的，绘制聚类散点图需要先构造x轴的数值（比如数据的位置索引），再用聚类标签区分颜色。具体步骤如下：

1. 精简聚类代码，直接用fit_predict获取聚类标签
2. 用pandas合法的布尔索引提取对应聚类的数据
3. 构造x轴（用数据索引或序列值），配合单列数据绘制散点图

完整修正代码 #

from sklearn.cluster import KMeans
import numpy as np
import matplotlib.pyplot as plt
%matplotlib inline

# 假设df1是你的单列DataFrame
# 精简聚类步骤，直接获取聚类标签
km = KMeans(n_clusters=4, init='k-means++', n_init=10)
cluster_labels = km.fit_predict(df1)

# 构造x轴：使用数据的索引值
x_axis = df1.index.values
# 获取Brim列的数值
y_axis = df1['Brim'].values

# 按聚类标签绘制散点图
plt.scatter(x_axis[cluster_labels == 0], y_axis[cluster_labels == 0], s=100, c='red', label='Cluster 0')
plt.scatter(x_axis[cluster_labels == 1], y_axis[cluster_labels == 1], s=100, c='black', label='Cluster 1')
plt.scatter(x_axis[cluster_labels == 2], y_axis[cluster_labels == 2], s=100, c='blue', label='Cluster 2')
plt.scatter(x_axis[cluster_labels == 3], y_axis[cluster_labels == 3], s=100, c='cyan', label='Cluster 3')

# 添加图表标注
plt.xlabel('Data Index')
plt.ylabel('Brim Value')
plt.legend()
plt.show()

另一种简化方式（转为numpy数组） #

如果你觉得DataFrame索引麻烦，可以先把单列数据转为二维numpy数组（sklearn的KMeans要求输入是二维数组），直接用数组索引操作：

# 转为二维numpy数组
data = df1.values
km = KMeans(n_clusters=4, init='k-means++', n_init=10)
cluster_labels = km.fit_predict(data)

# 用序列值作为x轴
plt.scatter(np.arange(len(data))[cluster_labels == 0], data[cluster_labels == 0], s=100, c='red')
plt.scatter(np.arange(len(data))[cluster_labels == 1], data[cluster_labels == 1], s=100, c='black')
plt.scatter(np.arange(len(data))[cluster_labels == 2], data[cluster_labels == 2], s=100, c='blue')
plt.scatter(np.arange(len(data))[cluster_labels == 3], data[cluster_labels == 3], s=100, c='cyan')
plt.show()

这样就能正常绘制出聚类后的散点图，不会再触发TypeError了。

内容的提问来源于stack exchange，提问作者anagha s