我有形状为（n，68,2）的数据（一个numpy数组 p ）。我正在尝试使用Scikit-learn将k-means聚类应用于此数据。我需要从此数据中找到 k 个聚类，聚类后的最终输出数据的尺寸应为（k，68,2）。
当我向Kmeans函数提供 p 时
return null;显示错误
ValueError：找到的数组为暗3。估计值应为<= 2。
要解决此问题，我必须分离x和y坐标以获得 2 个维度为（n，68）的数组，并将kmeans分别应用于它们并合并结果稍后。
kmeans = KMeans(n_clusters=no_of_clusters, random_state=0).fit(p1)
我想将kmeans直接应用于整个2D坐标，而不必分开x和y并分别应用它们。但是我确实需要尺寸为（k，68,2）的输出数据，而不是在尝试重塑数组时得到的（k，2）。
答案 0 :(得分：0)
sklearn KMeans fit（）方法期望X具有2d形状，如文档here中所示：
X : {array-like, sparse matrix}, shape = [n_samples, n_features]
这意味着您必须重塑np数组才能使用该库。新形状取决于每个维度的实际含义（很抱歉，不能从您的问题中完全弄清楚），但是假设n是样本数，68,2是可以转换x的数据点的形状通过以下方式：
x = x.reshape(n,68*2)
正如评论中正确指出的那样，您还可以编写自己的距离方法来处理3-d数据，但是根据数据需求，这可能是一个过大的选择。