R 数字数据帧上的强制错误引入NAs

我正在尝试对数据帧进行群集，但当我运行dist函数时，出现错误“强制引入NAs”

起初我认为如果是因为我的DF包含因子向量，如下所示：

但我随后用数字值创建了一个新的DF，并显示了相同的错误消息：

---

所以我不确定为什么我会收到这个错误信息，我没有看到的是什么？

因子数据上的欧几里德距离是胡说八道

难怪它不起作用

---

尽管如果将数据编码为数字，错误会消失，但结果仍然是无意义的。

您能提供一个简单的解决方案吗？我强烈建议以文本形式而不是png形式给出代码。当然，我正在运行以下命令：

code

distance=dist（imputedTrainOquestions[，2:5]，method=“euclidean”）

code

在我的dafa框架上，该框架只包含数值，没有NAsI意味着提供真正可复制的代码。如果其他人运行

distance=dist（imputedTrainNoQuestions[，2:5]，method=“euclidean”）

，他们将得到一个错误，因为

imputedTrainNoQuestions

不在他们的工作区中。你能运行

dput（imputedTrainNoQuestions[sample（1:5568，size=50），]）

并发布结果als文本（不是png！）吗？我消除了错误，我的代码中有一个错误，使用欧几里德距离进行聚类，我的模型工作正常。它可以运行，但结果没有统计意义！小心！如果我正在使用对一个数据集进行聚类，然后对其进行逻辑回归，为什么不这样做呢？大多数向量都是yes-no响应即使是二进制数据，聚类通常也是毫无意义的。有“是/否”的“频繁组合”，但常规聚类算法无法找到这些组合。看看这里关于二进制数据的所有问题——它“不只是工作”。仔细研究结果，注意那些没有意义的东西（不要只是试图“解释”它们——你会看到一些不存在的东西）。