使用fviz_clusters()可视化K-means聚类时报数据维度不足2的问题

• 直接触发原因：调用fviz_cluster时传入的data参数为一维结构，达不到绘图的最低维度要求
  • R语法默认规则：用数据框[, 列号]取单列时，会自动丢弃维度属性，将结果转换为一维向量
  • fviz_cluster的绘图逻辑需要依托多维特征做PCA降维，将高维数据投影到2D平面展示聚类分组，要求输入的data必须是列数≥2的二维矩阵/数据框，维度不足时直接终止绘图抛出报错
• 逻辑匹配问题：你传入的nci[,5]是单列数据，既和生成K-means对象res.km时所用的多维特征输入不匹配，本身结构也满足不了降维绘图的要求

1. 对齐K-means训练与可视化的输入数据
   可视化时传入的data，必须和生成res.km时输入给kmeans()的特征矩阵完全一致，不能仅取单列数据。比如你跑聚类时用的是nci数据集的第2列到最后一列的基因表达特征，对应代码修改为：

   # 替换为你实际跑K-means时使用的特征列范围
   km_input_features <- nci[, 2:ncol(nci)] 
   res.km <- kmeans(km_input_features, centers = 3)
   # 可视化时传入完全一致的二维特征矩阵
   fviz_cluster(res.km,
                data = km_input_features,
                palette = c("#2E9FDF", "#E7B800", "#FC4E07"),
                geom = "point")
   

2. 规避R的自动维度压缩（原理说明）
   如果需要对单列数据做结构校验，可在取列时添加drop = FALSE参数，强制保留二维的单列数据框结构：

   # 强制保留二维结构的单列数据
   single_col_structure <- nci[, 5, drop = FALSE]
   dim(single_col_structure) # 输出为(样本数, 1)，依然因为列数不足2，无法满足fviz_cluster的绘图要求
   

注：内容的提问来源于stack exchange，提问作者Kyle