R语言中K-Means聚类绘图出现非真实点问题求助

咱们先拆解你遇到的核心问题，再一步步给出修正方案：

1. 为什么会出现负值点？ #

你用的clusplot()函数本质是先对数据做了**主成分分析（PCA）**来生成可视化坐标轴，而主成分得分是允许为负数的——这是PCA的正常特性，和你原始数据的非负性完全不冲突！

你误以为图中x/y轴是原始的「平均销量」和「平均库存」，但实际上clusplot()默认会把数据投影到前两个主成分上，这两个主成分是原始变量的线性组合，自然可能出现负值。这不是数据或聚类的问题，是可视化方法的固有属性。

2. 为什么觉得点不是原始数据的有效点？ #

同样是PCA转换导致的：它会对原始数据做旋转、缩放等操作，投影后的点坐标和原始数据坐标不一样，但每个点依然对应你输入的reduced_dataset里的每一行样本，只是换了个「坐标系」展示而已。

3. 修正代码&实现你想要的可视化 #

如果你想直接用原始的平均销量和库存做聚类散点图（无负值、完全对应原始数据），可以不用clusplot()，直接用基础plot()函数搭配聚类颜色。另外你的代码还有几个小细节需要修正：

修正后的完整代码 #

# 加载你提供的数据集
reduced_dataset <- structure(list(Avg_Sold_No_Promo = c(0.255722695, 1.139983236, 0.458651842, 0.784966698, 1.642746914, 0.115264798, 7.50338696, 0.487603306, 1.023373984, 0.956099815, 1.505901506, 0.253837072, 0.834963325, 0.880898876, 6.527699531, 11.54054054, 3.44077135, 0.750182882, 0.251033058, 1.875698324), Avg_Inventory_No_Promo = c(6.068672335, 22.57865326, 9.00694927, 11.56137012, 28.47530864, 7.485981308, 170.9064352, 11.07438017, 22.80792683, 40.63863216, 41.73463573, 10.87603306, 35.87408313, 46.09213483, 185.5671362, 315.6015693, 165.1129477, 78.18032187, 9.65857438, 198.4385475)), .Names = c("Avg_Sold_No_Promo", "Avg_Inventory_No_Promo"), row.names = c(NA, 20L), class = "data.frame")

# 肘部法找最优聚类数：更简洁的R风格写法
wcss <- sapply(1:10, function(i) {
  sum(kmeans(reduced_dataset, centers = i)$withinss)
})

plot(1:10, wcss, type = 'b', 
     main = 'The Elbow Method', 
     xlab = 'Number of clusters', 
     ylab = 'WCSS')

# 拟合K-Means：注意不要用kmeans作为变量名，会覆盖R内置函数！
km_result <- kmeans(x = reduced_dataset, centers = 2)
y_kmeans <- km_result$cluster

# 方法1：用原始变量绘制聚类散点图（完全对应原始数据，无负值）
plot(reduced_dataset$Avg_Sold_No_Promo, reduced_dataset$Avg_Inventory_No_Promo,
     col = y_kmeans + 1,  # 用不同颜色区分聚类
     pch = 16,
     main = 'Clusters of categories - NOT ON SALE',
     xlab = 'Average Sold Quantity',
     ylab = 'Average Inventory')
# 添加聚类中心标记
points(km_result$centers, col = c(2,3), pch = 8, cex = 2)

# 方法2：如果一定要用clusplot，修正坐标轴标签避免误解
library(cluster)
clusplot(reduced_dataset, y_kmeans, 
         lines = 0, shade = TRUE, color = TRUE, 
         labels = 2, plotchar = FALSE, span = TRUE, 
         main = 'Clusters (PCA Projection) - NOT ON SALE',
         xlab = 'Principal Component 1',
         ylab = 'Principal Component 2')

关键修正说明 #

• 避免变量名冲突：原代码中kmeans = kmeans(...)会覆盖R内置的kmeans()函数，后续调用会出错，所以改成km_result存储聚类结果。
• 原始数据可视化：直接用plot()绘制原始的两个变量，搭配颜色区分聚类，还能添加聚类中心，完全符合你对「原始数据有效点」的预期。
• 修正clusplot标签：明确标注坐标轴为主成分，避免误解负值的来源。

验证结果 #

运行修正后的代码：

• 方法1的散点图会完全使用你原始的非负数据，每个点对应输入样本，聚类边界清晰；
• 方法2的clusplot依然会有负值，但你现在明确知道这是主成分得分，属于正常现象。

内容的提问来源于stack exchange，提问作者lnros