R语言：apply()与kmeans()函数报错及市场篮子分析WSS计算问题

首先，我来梳理下你的代码里可能导致报错的几个关键问题，然后给出修正后的完整解决方案：

1. 代码中的核心问题分析 #

• 变量名覆盖风险：你把princomp(na.omit(pc1))重新赋值给了pc1，这会把原本的标准化数据框替换成princomp对象——虽然后续提取pc1$x是可行的，但这种命名方式极易混淆，建议改用不同的变量名避免后续逻辑出错。
• kmeans调用不完整：你的循环里kmeans函数缺少必填的centers参数（也就是聚类数i），而且代码未写完（末尾的...）；另外，计算WSS需要提取kmeans结果中的withinss并求和，而非直接对整个kmeans对象执行sum操作。
• WSS向量初始化不规范：初始的wss是一个标量，直接给wss[i]赋值虽然R会自动扩展向量，但更稳妥的方式是提前初始化对应长度的向量，避免潜在的索引错误。

2. 修正后的完整代码 #

# 假设pc1是你的标准化输入数据框
# 第一步：执行PCA，使用独立变量名避免覆盖原数据
pca_result <- princomp(na.omit(pc1))
plot(pca_result)
loadings(pca_result)

# 提取前3个主成分构建聚类用数据框
pc.df <- data.frame(pca_result$x[,1:3])
names(pc.df)  # 可查看主成分的默认命名

# 初始化WSS向量，长度对应k=1到15的聚类数
wss <- numeric(15)
# 计算k=1时的WSS（所有样本归为一类的总方差）
wss[1] <- (nrow(pc.df)-1)*sum(apply(pc.df, 2, var))

# 循环计算k=2到15的WSS
for (i in 2:15) {
  kmeans_fit <- kmeans(pc.df, centers = i, nstart = 100, iter.max = 1000)
  wss[i] <- sum(kmeans_fit$withinss)
}

# 绘制肘部图，观察最优聚类数
plot(1:15, wss, type="b", xlab="Number of Clusters", ylab="Within Sum of Squares", main="Elbow Method for Optimal k")

3. 额外报错排查建议 #

• apply()报错原因：如果apply(pc.df, 2, var)报错，大概率是pc.df中存在非数值型列，你可以用str(pc.df)检查数据类型，确保所有列都是数值型；同时确认na.omit(pc1)确实移除了所有缺失值，没有残留NA。
• kmeans收敛问题：设置nstart=100是很好的习惯，能有效避免局部最优解；iter.max=1000也足够应对绝大多数聚类场景，确保算法能收敛。

内容的提问来源于stack exchange，提问作者Shankha Deep Karmakar