Python 循环辅助的K-均值

在我下面的代码中，当试图重新运行代码时，我是否会像这样使用for循环

范围（2,11）内x的

：
kmeans=kmeans（）.setK（x）.setSeed（1）
model=kmeans.fit（数据集）

下面是我的代码的其余部分，我确实觉得我在这里把自己弄糊涂了

来自pyspark.ml.KMeans
从pyspark.ml.evaluation导入ClusteringEvaluator
dataset=spark.read.format（“libsvm”）.load（“/FileStore/tables/colon\u-ecfbf.txt”）
对于范围（2,11）内的x：
kmeans=kmeans（）.setK（x）.setSeed（1）
model=kmeans.fit（数据集）
预测=model.transform（数据集）
evaluator=ClusteringEvaluator（）
轮廓=评估器。评估（预测）
打印（“具有平方欧几里德距离的轮廓=“+str（轮廓））
centers=model.clusterCenters（）
打印（“群集中心：”）
对于中心中的中心：
打印（中间）
下面是我做的一个缩进修复，可以修复代码并使其能够运行，模拟x值
2,3,4,5,6,7,8,9,10

from pyspark.ml.clustering import KMeans
from pyspark.ml.evaluation import ClusteringEvaluator

dataset = spark.read.format("libsvm").load("/FileStore/tables/colon_cancer-ecfbf.txt")

for x in range(2, 11):
    kmeans = KMeans().setK(x).setSeed(1)
    model = kmeans.fit(dataset)

    predictions = model.transform(dataset)

    evaluator = ClusteringEvaluator()

    silhouette = evaluator.evaluate(predictions)
    print("Silhouette with squared euclidean distance = " + str(silhouette))

    centers = model.clusterCenters()
    print("Cluster Centers: ")
    for center in centers:
        print(center)

此缩进方案启用以下行：

kmeans = KMeans().setK(x).setSeed(1)
model = kmeans.fit(dataset)

predictions = model.transform(dataset)

evaluator = ClusteringEvaluator()

silhouette = evaluator.evaluate(predictions)
print("Silhouette with squared euclidean distance = " + str(silhouette))

centers = model.clusterCenters()
print("Cluster Centers: ")
for center in centers:
    print(center)

为上面列表中的每个x值运行。
现在，此代码甚至不会按原样运行。你想做什么，你得到了什么错误，你期望什么？嗨，杰瑞，我得到了一个“缩进错误：期望一个缩进块”。编辑：我忘了缩进，我觉得这里很愚蠢。谢谢你的帮助，杰瑞！你好，罗伯特巴图洛维奇。如果我下面的解决方案解决了您的问题，请务必接受，以便其他人可以使用它。