Python K表示绘图未正确显示

我正试图在屏幕上直观地显示一次测试的结果

我的代码如下：

import pandas as pd, seaborn as sns1
import matplotlib.pyplot as plt
from scipy import cluster
from sklearn.cluster import KMeans
from sklearn.model_selection import train_test_split

df = pd.read_csv('C:\\Users\\wundermahn\\Desktop\\code\\divorce.csv')
y = df['Class']
X = df.drop('Class', axis=1)

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

y_pred = KMeans(n_clusters=2, random_state=170).fit_predict(X_test)
plt.subplot(221)
plt.scatter(X_test[:, 0], X_test[:, 1], c=y_pred)
plt.title("Guess")

plt.show()

这受到上面超链接K-Means链接的严重影响

我的错误是：

Traceback (most recent call last):
  File "c:\Users\wundermahn\Desktop\code\kmeans.py", line 25, in <module>
    plt.scatter(X_test[:, 0], X_test[:, 1], c=y_pred)
  File "C:\Python367-64\lib\site-packages\pandas\core\frame.py", line 2800, in __getitem__
    indexer = self.columns.get_loc(key)
  File "C:\Python367-64\lib\site-packages\pandas\core\indexes\base.py", line 2646, in get_loc
    return self._engine.get_loc(key)
  File "pandas\_libs\index.pyx", line 111, in pandas._libs.index.IndexEngine.get_loc
  File "pandas\_libs\index.pyx", line 116, in pandas._libs.index.IndexEngine.get_loc
TypeError: '(slice(None, None, None), 0)' is an invalid key

回溯（最近一次呼叫最后一次）：
文件“c:\Users\wundermahn\Desktop\code\kmeans.py”，第25行，在
plt.散射（X_检验[：，0]，X_检验[：，1]，c=y_pred）
文件“C:\Python367-64\lib\site packages\pandas\core\frame.py”，第2800行，在\uuu getitem中__
indexer=self.columns.get_loc（键）
文件“C:\Python367-64\lib\site packages\pandas\core\index\base.py”，第2646行，在get\u loc中
返回发动机。获取位置（钥匙）
pandas.\u libs.index.IndexEngine.get\u loc中第111行的文件“pandas\\u libs\index.pyx”
pandas.\u libs.index.IndexEngine.get\u loc中第116行的文件“pandas\\u libs\index.pyx”
TypeError:“（片（无，无，无），0）”是无效键

---

我做错了什么？为什么我的切片

None

类型是在我清楚地将数据传递给它的时候？

plt.scatter

期望

x

和

y

。显然，数据帧与此函数的数组不同

如果您将

X

或

plt\u scatter

的输入转换为Numpy数组，它应该可以工作

import pandas as pd, seaborn as sns1
import matplotlib.pyplot as plt
from scipy import cluster
from sklearn.cluster import KMeans
from sklearn.model_selection import train_test_split
import numpy as np
df = pd.read_csv('divorce.csv', sep=';')
y = df['Class']
X = np.array(df.drop('Class', axis=1))

X_train, X_test, y_train, y_test = train_test_split(X, y, test_size=0.33, random_state=42)

y_pred = KMeans(n_clusters=2, random_state=170).fit_predict(X_test)
plt.subplot(221)
plt.scatter(X_test[:, 0], X_test[:, 1], c=y_pred)
plt.title("Guess")
plt.show()