本文介绍使用 Python 通过肘部法则和轮廓系数确定 K-Means 聚类最优 K 值的方法。包含原理讲解、代码实现、可视化图表及避坑指南，适用于数据分析与机器学习场景。
在聚类分析中，K-Means 算法的核心难点是确定最优聚类数 K。肘部法则（Elbow Method）和轮廓系数（Silhouette Score）是两种最常用的 K 值选择方法 —— 肘部法则直观高效，轮廓系数兼顾聚类内聚性与分离性。本文将手把手教你用 Python 实现这两种方法的可视化，结合真实数据集快速找到最优 K 值，代码精简易上手，零基础也能轻松落地。
K 值选择的核心是'平衡聚类效果与复杂度'，两种方法的原理与流程如下：
关键概念说明：
工具 / 依赖 | 版本要求 | 作用描述 |
Python | 3.7+ | 核心运行环境 |
scikit-learn | 0.23+ | K-Means 聚类、SSE 与轮廓系数计算 |
pandas | 1.0+ | 数据处理与加载 |
matplotlib/seaborn | 3.0+/0.10+ | 可视化曲线绘制 |
numpy | 1.18+ | 数值计算支持 |
pip | 20.0+ | Python 包管理工具 |
打开终端执行以下命令，一键安装所需依赖：
pip install scikit-learn pandas matplotlib seaborn numpy
选用 scikit-learn 内置的 make_blobs 生成模拟聚类数据集（含 4 个真实聚类中心），也可替换为自己的数据集（如 CSV 文件）：
# 生成模拟数据：1000 个样本，4 个聚类中心，每个样本 2 个特征
from sklearn.datasets import make_blobs
X, y_true = make_blobs(n_samples=1000, n_features=2, centers=4, cluster_std=0.6, random_state=42)
# 转换为 DataFrame（便于后续处理，可选）
import pandas as pd
data = pd.DataFrame(X, columns=["特征 1", "特征 2"])
print("数据集预览：")
print(data.head())
print(f"\n数据集形状：{data.shape}") # 输出：(1000, 2)
import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
from sklearn.cluster import KMeans
# 设置中文字体（避免中文乱码）
plt.rcParams['font.sans-serif'] = ['SimHei'] # Windows 系统
# plt.rcParams['font.sans-serif'] = ['Arial Unicode MS'] # Mac 系统
plt.rcParams['axes.unicode_minus'] = False
def elbow_method_visualization(X, k_range):
"""
肘部法则可视化
:param X: 聚类数据集（特征矩阵）
:param k_range: K 值候选集（如 range(2, 11)）
:return: 各 K 值对应的 SSE 列表
"""
sse_list = [] # 存储各 K 值的 SSE
for k in k_range:
# 训练 K-Means 模型
kmeans = KMeans(n_clusters=k, random_state=42, n_init=10) # n_init=10 避免局部最优
kmeans.fit(X)
# 计算 SSE（簇内平方和）
sse = kmeans.inertia_ # KMeans 内置属性，直接获取 SSE
sse_list.append(sse)
print(f"K={k} 时，SSE={sse:.2f}")
# 绘制肘部法则曲线
plt.figure(figsize=(10, 6))
sns.lineplot(x=k_range, y=sse_list, marker='o', linewidth=2, markersize=8, color='#2E86AB')
# 标记肘部点（示例：K=4，可根据实际曲线调整）
elbow_k = 4
elbow_sse = sse_list[elbow_k - k_range.start]
plt.scatter(elbow_k, elbow_sse, color='#E74C3C', s=200, zorder=5)
plt.annotate(f'肘部点 (K={elbow_k}, SSE={elbow_sse:.2f})',
xy=(elbow_k, elbow_sse),
xytext=(elbow_k+0.5, elbow_sse+50),
arrowprops=dict(arrowstyle='->', color='#E74C3C', linewidth=2),
fontsize=12, color='#E74C3C', fontweight='bold')
# 设置图表样式
plt.title('K-Means 聚类肘部法则曲线（最优 K 值选择）', fontsize=14, fontweight='bold')
plt.xlabel('聚类数 K', fontsize=12)
plt.ylabel('SSE（簇内误差平方和）', fontsize=12)
plt.grid(True, alpha=0.3)
plt.xticks(k_range)
plt.tight_layout()
plt.savefig('肘部法则曲线.png', dpi=300)
plt.show()
return sse_list
# 运行肘部法则（K 值候选集：2-10）
k_candidates = range(2, 11)
sse_results = elbow_method_visualization(X, k_candidates)
from sklearn.metrics import silhouette_score, silhouette_samples
def silhouette_visualization(X, k_range):
"""
轮廓系数可视化（含平均轮廓系数曲线 + 样本轮廓图）
:param X: 聚类数据集（特征矩阵）
:param k_range: K 值候选集
:return: 各 K 值对应的平均轮廓系数列表
"""
silhouette_avg_list = [] # 存储各 K 值的平均轮廓系数
# 1. 计算各 K 值的平均轮廓系数，绘制系数曲线
for k in k_range:
kmeans = KMeans(n_clusters=k, random_state=42, n_init=10)
cluster_labels = kmeans.fit_predict(X)
# 计算平均轮廓系数（所有样本的轮廓系数均值）
silhouette_avg = silhouette_score(X, cluster_labels)
silhouette_avg_list.append(silhouette_avg)
print(f"K={k} 时，平均轮廓系数={silhouette_avg:.4f}")
# 绘制平均轮廓系数曲线
plt.figure(figsize=(10, 6))
sns.lineplot(x=k_range, y=silhouette_avg_list, marker='s', linewidth=2, markersize=8, color='#8E44AD')
# 标记最优 K 值（平均轮廓系数最大的点）
best_k = k_range[np.argmax(silhouette_avg_list)]
best_score = max(silhouette_avg_list)
plt.scatter(best_k, best_score, color='#F39C12', s=200, zorder=5)
plt.annotate(f'最优 K 值 (K={best_k}, 系数={best_score:.4f})',
xy=(best_k, best_score),
xytext=(best_k+0.5, best_score-0.02),
arrowprops=dict(arrowstyle='->', color='#F39C12', linewidth=2),
fontsize=12, color='#F39C12', fontweight='bold')
# 设置图表样式
plt.title('K-Means 聚类平均轮廓系数曲线（最优 K 值选择）', fontsize=14, fontweight='bold')
plt.xlabel('聚类数 K', fontsize=12)
plt.ylabel('平均轮廓系数', fontsize=12)
plt.grid(True, alpha=0.3)
plt.xticks(k_range)
plt.ylim(0, 1) # 轮廓系数范围：0-1（聚焦有效区间）
plt.tight_layout()
plt.savefig('平均轮廓系数曲线.png', dpi=300)
plt.show()
# 2. 绘制最优 K 值的样本轮廓图（更详细的聚类效果分析）
best_kmeans = KMeans(n_clusters=best_k, random_state=42, n_init=10)
best_cluster_labels = best_kmeans.fit_predict(X)
sample_silhouette_values = silhouette_samples(X, best_cluster_labels) # 每个样本的轮廓系数
# 绘制样本轮廓图
plt.figure(figsize=(12, 7))
y_lower = 10 # 轮廓图底部留白
for i in range(best_k):
# 提取第 i 个聚类的样本轮廓系数，排序
ith_cluster_silhouette_values = sample_silhouette_values[best_cluster_labels == i]
ith_cluster_silhouette_values.sort()
size_cluster_i = ith_cluster_silhouette_values.shape[0]
y_upper = y_lower + size_cluster_i
# 绘制每个聚类的轮廓带
color = plt.cm.Spectral(i / float(best_k))
plt.fill_betweenx(np.arange(y_lower, y_upper), 0, ith_cluster_silhouette_values,
facecolor=color, edgecolor=color, alpha=0.7)
# 标记聚类编号
plt.text(-0.05, y_lower + 0.5 * size_cluster_i, str(i),
ha='center', va='center', fontweight='bold')
# 更新下一个聚类的 y_lower
y_lower = y_upper + 10
# 绘制平均轮廓系数线
plt.axvline(x=best_score, color='#E74C3C', linestyle='--', linewidth=2, label=f'平均轮廓系数：{best_score:.4f}')
# 设置图表样式
plt.title(f'K={best_k}时的样本轮廓图', fontsize=14, fontweight='bold')
plt.xlabel('轮廓系数', fontsize=12)
plt.ylabel('样本聚类编号', fontsize=12)
plt.xlim([-0.1, 1.0])
plt.ylim([0, len(X) + (best_k + 1) * 10])
plt.legend(loc='upper right')
plt.grid(True, alpha=0.3, axis='x')
plt.tight_layout()
plt.savefig(f'K={best_k}_样本轮廓图.png', dpi=300)
plt.show()
return silhouette_avg_list
# 运行轮廓系数可视化
silhouette_results = silhouette_visualization(X, k_candidates)
# 输出两种方法的结果对比
print("\n=== 最优 K 值选择结果对比 ===")
result_df = pd.DataFrame({
'K 值': k_candidates,
'SSE': sse_results,
'平均轮廓系数': silhouette_results
})
print(result_df.to_string(index=False))
# 综合确定最优 K：肘部法则（K=4）与轮廓系数（K=4）一致
optimal_k = 4
print(f"\n综合两种方法，最优聚类数 K={optimal_k}")
# 用最优 K 训练 K-Means，可视化聚类结果
optimal_kmeans = KMeans(n_clusters=optimal_k, random_state=42, n_init=10)
optimal_labels = optimal_kmeans.fit_predict(X)
centers = optimal_kmeans.cluster_centers_ # 聚类中心
# 绘制聚类散点图
plt.figure(figsize=(10, 8))
sns.scatterplot(x=X[:, 0], y=X[:, 1], hue=optimal_labels, palette='viridis',
s=60, alpha=0.8, legend='full')
# 标记聚类中心
sns.scatterplot(x=centers[:, 0], y=centers[:, 1], color='red', s=200, marker='X',
label='聚类中心', edgecolor='black', linewidth=2)
# 设置图表样式
plt.title(f'K={optimal_k}时 K-Means 聚类效果可视化', fontsize=14, fontweight='bold')
plt.xlabel('特征 1', fontsize=12)
plt.ylabel('特征 2', fontsize=12)
plt.grid(True, alpha=0.3)
plt.legend(title='聚类编号')
plt.tight_layout()
plt.savefig(f'K={optimal_k}_聚类效果可视化.png', dpi=300)
plt.show()
# 加载鸢尾花数据集
from sklearn.datasets import load_iris
from sklearn.preprocessing import StandardScaler
iris = load_iris()
X_iris = iris.data[:, :2] # 取前两个特征（便于可视化）
y_iris = iris.target
# 数据标准化（K-Means 对尺度敏感）
scaler = StandardScaler()
X_iris_scaled = scaler.fit_transform(X_iris)
# 运行肘部法则和轮廓系数可视化
k_iris = range(2, 8)
sse_iris = elbow_method_visualization(X_iris_scaled, k_iris)
silhouette_iris = silhouette_visualization(X_iris_scaled, k_iris)
def auto_select_optimal_k(sse_list, k_range):
"""自动化寻找肘部点（基于 SSE 一阶差分）"""
# 计算 SSE 一阶差分（相邻 K 值的 SSE 差值）
sse_diff = np.diff(sse_list)
# 计算差分的变化率（二阶差分）
sse_diff_rate = np.diff(sse_diff)
# 肘部点对应二阶差分最大的位置 +2（因为差分后索引偏移）
elbow_idx = np.argmax(np.abs(sse_diff_rate)) + 2
return elbow_idx
# 自动化选择最优 K
auto_optimal_k = auto_select_optimal_k(sse_results, k_candidates)
print(f"\n自动化选择的最优 K 值：{auto_optimal_k}")
# 若数据特征数>2，用 PCA 降维后再可视化聚类效果
from sklearn.decomposition import PCA
# 示例：用鸢尾花全 4 个特征聚类
X_iris_full = scaler.fit_transform(iris.data)
kmeans_iris = KMeans(n_clusters=3, random_state=42, n_init=10)
labels_iris = kmeans_iris.fit_predict(X_iris_full)
# PCA 降维到 2D
pca = PCA(n_components=2)
X_iris_pca = pca.fit_transform(X_iris_full)
# 可视化降维后的聚类结果
plt.figure(figsize=(10, 8))
sns.scatterplot(x=X_iris_pca[:, 0], y=X_iris_pca[:, 1], hue=labels_iris, palette='Set2', s=60)
plt.title('PCA 降维后 K-Means 聚类效果（鸢尾花数据集）', fontsize=14, fontweight='bold')
plt.xlabel('PCA 特征 1', fontsize=12)
plt.ylabel('PCA 特征 2', fontsize=12)
plt.grid(True, alpha=0.3)
plt.show()
本文通过'原理讲解 + 代码实现 + 结果解读'的方式，手把手教你用 Python 实现肘部法则和轮廓系数可视化，核心亮点如下：
该方法适用于数据分析、机器学习、数据挖掘等场景，无论你是新手还是有经验的开发者，都能通过本文快速掌握 K 值选择的核心技巧。按照本文步骤操作，即可轻松实现聚类分析中的最优 K 值选择与效果可视化。
微信公众号「极客日志」，在微信中扫描左侧二维码关注。展示文案：极客日志 zeeklog
使用加密算法（如AES、TripleDES、Rabbit或RC4）加密和解密文本明文。 在线工具，加密/解密文本在线工具，online
生成新的随机RSA私钥和公钥pem证书。 在线工具，RSA密钥对生成器在线工具，online
基于 Mermaid.js 实时预览流程图、时序图等图表，支持源码编辑与即时渲染。 在线工具，Mermaid 预览与可视化编辑在线工具，online
解析常见 curl 参数并生成 fetch、axios、PHP curl 或 Python requests 示例代码。 在线工具，curl 转代码在线工具，online
将字符串编码和解码为其 Base64 格式表示形式即可。 在线工具，Base64 字符串编码/解码在线工具，online
将字符串、文件或图像转换为其 Base64 表示形式。 在线工具，Base64 文件转换器在线工具，online