Python层次聚类报ValueError: condensed distance matrix仅可含有限值如何解决

错误触发的核心是提取的特征矩阵X中存在NaN缺失值，scipy的聚类算法要求输入的特征必须全部是有限数值，不允许存在空值、无穷值，因此抛出该异常。
你代码中存在两处逻辑错误导致缺失值未被正确处理：

• 调用dataset.dropna(how='all')时没有接收返回值，pandas的dropna方法默认不修改原DataFrame，你写的这行代码实际没有生效；且how='all'仅会删除整行所有字段全为空的行，你选取的第3、4列存在单独的空值，这种情况不会被该规则删除。
• 读取CSV时已经通过na_values=["?"]把所有?标记为NaN了，后续遍历对象列替换?的逻辑完全冗余，可以直接删除。

• 调整缺失值处理规则：将how='all'改为how='any'删除所有包含空值的行，或使用均值/中位数填充指定列的空值，同时要将处理后的结果赋值回dataset。
• 提取特征后先校验是否存在空值，确认无异常再运行聚类代码。

# 导入依赖库
import numpy as np
import matplotlib.pyplot as plt
import pandas as pd

# 导入数据集
dataset = pd.read_csv("https://raw.githubusercontent.com/akbarhusnoo/Chronic-Kidney-Disease-Prediction/main/chronic_kidney_disease.csv", na_values=["?"])

# 处理缺失值：删除所有包含空值的行，也可根据需求改为填充逻辑
dataset = dataset.dropna(how='any')
# 提取第3、4列作为特征
X = dataset.iloc[:, [3,4]].values

# 可选的填充缺失值方案，替代删除操作
# dataset.iloc[:,3] = dataset.iloc[:,3].fillna(dataset.iloc[:,3].mean())
# dataset.iloc[:,4] = dataset.iloc[:,4].fillna(dataset.iloc[:,4].mean())

# 绘制树状图找最优聚类数
import scipy.cluster.hierarchy as sch
dendrogram = sch.dendrogram(sch.linkage(X, method='ward' ))
plt.title('Dendrogram')
plt.xlabel('C')
plt.ylabel('Euclidean distances')
plt.show()

# 训练层次聚类模型
from sklearn.cluster import AgglomerativeClustering
hc = AgglomerativeClustering(n_clusters=5, affinity = 'euclidean', linkage = 'ward')
Y_hc = hc.fit_predict(X)

内容的提问来源于stack exchange，提问作者user12217822