Python 用小值数据绘制k-means聚类图

我举这个例子：

除了我的数据值很小之外，一切都正常

问题在于这两行代码：

x_min, x_max = reduced_data[:, 0].min() - 1, reduced_data[:, 0].max() + 1
y_min, y_max = reduced_data[:, 1].min() - 1, reduced_data[:, 1].max() + 1

如您所见，由于轴限制的比例，我们无法查看数据

如果我将代码更改为：

x_min, x_max = reduced_data[:, 0].min(), reduced_data[:, 0].max()
y_min, y_max = reduced_data[:, 1].min(), reduced_data[:, 1].max()

然后我会得到这个图表和这个警告：

除了扩大数据规模之外，有没有其他方法可以解决这个问题

以下是我的数据：

[[ -1.96351038e-03  -1.92731612e-04]
 [  1.31726468e-03  -9.24830509e-04]
 [ -1.56064762e-03   7.29094485e-05]
 ...   
 [ -6.61219749e-04  -5.99944942e-04]
 [ -9.07169422e-04  -1.15375494e-04]
 [ -6.19167821e-04   6.17916959e-04]]

---

警告基本上说明了

min（）

和

max（）

之间的差异是哪个变为相同，这是一个无效的轴刻度。您提到的scikit学习示例并非如此。我想在我们提供任何建议之前，您可能希望与我们共享您的数据。@Y.Luo更新…很抱歉，我之前不清楚。我真正的意思是。如果我们能够理解为什么您的数据中的差异如此之小，这将非常有帮助。至少在我看来，这里需要的是一种扩展数据的方法。如果您像您提到的scikit学习示例那样使用了

scale（）

，则不应该出现问题。显然，你做了一些不同的事情，这对回答你的问题很重要，但我们不知道。那是什么？为什么不能缩放数据？首先，我希望用户仍然能够从轴读取原始值。如果无法解决此问题，我将扩展我的数据。非常感谢您的帮助@Y.Luo

[[ -1.96351038e-03  -1.92731612e-04]
 [  1.31726468e-03  -9.24830509e-04]
 [ -1.56064762e-03   7.29094485e-05]
 ...   
 [ -6.61219749e-04  -5.99944942e-04]
 [ -9.07169422e-04  -1.15375494e-04]
 [ -6.19167821e-04   6.17916959e-04]]