Comment réparer : erreur dans do_one(nmeth) : na/nan/inf dans l’appel de fonction étrangère (arg 1)

Une erreur que vous pouvez rencontrer dans R est :

Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)

Cette erreur se produit lorsque vous tentez d’effectuer un clustering k-means dans R mais que le bloc de données que vous utilisez comporte une ou plusieurs valeurs manquantes.

Ce didacticiel explique exactement comment corriger cette erreur.

Comment reproduire l’erreur

Supposons que nous ayons le bloc de données suivant dans R avec une valeur manquante dans la deuxième ligne :

#create data frame
df <- data.frame(var1=c(2, 4, 4, 6, 7, 8, 8, 9, 9, 12),
                 var2=c(12, 14, 14, 8, 8, 15, 16, 9, 9, 11),
                 var3=c(22, NA, 23, 24, 28, 23, 19, 16, 12, 15))

row.names(df) <- LETTERS[1:10]

#view data frame
df

  var1 var2 var3
A    2   12   22
B    4   14   NA
C    4   14   23
D    6    8   24
E    7    8   28
F    8   15   23
G    8   16   19
H    9    9   16
I    9    9   12
J   12   11   15

Si nous essayons d’utiliser la fonction kmeans() pour effectuer un clustering k-means sur cette trame de données, nous recevrons une erreur :

#attempt to perform k-means clustering with k = 3 clusters
km <- kmeans(df, centers = 3)

Error in do_one(nmeth) : NA/NaN/Inf in foreign function call (arg 1)

Comment réparer l’erreur

Le moyen le plus simple de corriger cette erreur consiste simplement à utiliser la fonction na.omit() pour supprimer les lignes avec des valeurs manquantes du bloc de données :

#remove rows with NA values
df <- na.omit(df)

#perform k-means clustering with k = 3 clusters
km <- kmeans(df, centers = 3)

#view results
km

K-means clustering with 3 clusters of sizes 4, 3, 2

Cluster means:
  var1      var2     var3
1  5.5 14.250000 21.75000
2 10.0  9.666667 14.33333
3  6.5  8.000000 26.00000

Clustering vector:
A C D E F G H I J 
1 1 3 3 1 1 2 2 2 

Within cluster sum of squares by cluster:
[1] 46.50000 17.33333  8.50000
 (between_SS / total_SS =  79.5 %)

Available components:

[1] "cluster"      "centers"      "totss"        "withinss"     "tot.withinss"
[6] "betweenss"    "size"         "iter"         "ifault"  

Notez que l’algorithme de clustering k-means s’exécute avec succès une fois que nous supprimons les lignes avec des valeurs manquantes du bloc de données.

Bonus : un guide complet, étape par étape, du clustering k-means dans R

Ressources additionnelles

Comment réparer dans R : les NA introduits par la coercition
Comment réparer dans R : indice hors limites
Comment réparer dans R : la longueur d’un objet plus longue n’est pas un multiple de la longueur d’un objet plus courte