Hoe op te lossen: fout in do_one(nmeth): na/nan/inf in externe functieaanroep (arg 1)

Een fout die je tegen kunt komen in R is:

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

Deze fout treedt op wanneer u probeert k-means-clustering uit te voeren in R , maar het dataframe dat u gebruikt bevat een of meer ontbrekende waarden.

In deze tutorial wordt precies uitgelegd hoe u deze fout kunt oplossen.

Hoe de fout te reproduceren

Stel dat we het volgende dataframe in R hebben met een ontbrekende waarde in de tweede rij:

 #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

Als we de functie kmeans() proberen te gebruiken om k-means clustering uit te voeren op dit dataframe, krijgen we een foutmelding:

 #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)

Hoe u de fout kunt oplossen

De eenvoudigste manier om deze fout op te lossen is door eenvoudigweg de functie na.omit() te gebruiken om rijen met ontbrekende waarden uit het dataframe te verwijderen:

 #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"

Merk op dat het k-means clusteringalgoritme succesvol wordt uitgevoerd zodra we de rijen met ontbrekende waarden uit het dataframe verwijderen.

Bonus: een complete stap-voor-stap handleiding voor k-betekent clustering in R

Aanvullende bronnen

Hoe op te lossen in R: NA’s geïntroduceerd door dwang
Hoe te repareren in R: index buiten bereik
Hoe op te lossen in R: de lengte van een langer object is geen veelvoud van de lengte van een korter object