Come risolvere: errore in do_one(nmeth): na/nan/inf nella chiamata di funzione esterna (arg 1)

Un errore che potresti riscontrare in R è:

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

Questo errore si verifica quando si tenta di eseguireil clustering k-means in R ma il frame di dati in uso presenta uno o più valori mancanti.

Questo tutorial spiega esattamente come correggere questo errore.

Come riprodurre l’errore

Supponiamo di avere il seguente frame di dati in R con un valore mancante nella seconda riga:

 #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
At 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
D 12 11 15

Se proviamo a utilizzare la funzione kmeans() per eseguire il clustering k-means su questo frame di dati, riceveremo un errore:

 #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)

Come correggere l’errore

Il modo più semplice per correggere questo errore è utilizzare semplicemente la funzione na.omit() per rimuovere le righe con valori mancanti dal frame di dati:

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

Vector clustering:
ACDEFGHIJ
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"

Tieni presente che l’algoritmo di clustering k-means viene eseguito correttamente una volta rimosse le righe con valori mancanti dal frame di dati.

Bonus:una guida passo passo completa al clustering k-means in R

Risorse addizionali

Come risolvere in R: NA introdotte dalla coercizione
Come riparare in R: indice fuori limite
Come risolvere in R: la lunghezza di un oggetto più lungo non è un multiplo della lunghezza di un oggetto più corto