调用cluster_centers_报错：DataFrame与numpy.ndarray无该属性的技术求助

你遇到的问题核心是找错了属性的归属对象：cluster_centers_是训练完成的AffinityPropagation模型实例的专属属性，根本不属于你提取的DataFrame行或者numpy数组，这就是报错的原因。

错误原因拆解 #

看你原来的代码逻辑：

clustering = AffinityPropagation().fit(X)
aa = X.loc[0]
aa.cluster_centers_  # 这里错把模型的属性硬套在了数据对象上

不管是aa（DataFrame单行）还是aa.values（numpy数组），它们都没有cluster_centers_这个属性——这个属性只属于你训练好的clustering模型实例。

正确的代码实现 #

1. 直接获取聚类中心的特征值

从训练好的模型实例中调用cluster_centers_就可以了：

from sklearn.cluster import AffinityPropagation
import pandas as pd

# 假设你的DataFrame X已经正确加载
clustering = AffinityPropagation().fit(X)
# 获取聚类中心的特征数组，形状为 [聚类数量, 特征数量]
cluster_centers = clustering.cluster_centers_
print(cluster_centers)

2. （可选）匹配原始DataFrame中的中心行

如果你需要找到这些中心在原始X里对应的具体行（而不只是特征值），可以用以下方式匹配：

# 将聚类中心转为和X结构一致的DataFrame
centers_df = pd.DataFrame(cluster_centers, columns=X.columns)
# 筛选原始X中与中心完全匹配的行
original_centers = X[X.isin(centers_df.to_dict('list')).all(axis=1)]
print(original_centers)

额外小提示 #

• 可以用clustering.labels_获取每个样本对应的聚类标签，快速查看每个数据点属于哪个簇
• 如果对聚类中心数量不满意，可以初始化AffinityPropagation时调整preference参数，这个参数会影响算法选择的中心数量

内容的提问来源于stack exchange，提问作者Mamed