基于这篇文章的代码在定义为3个聚类时按预期工作。但是当我更改聚类数量时，返回的聚类数量不等于设定的数量。

from matplotlib import image as imgfrom matplotlib import pyplot as pltimport pandas as pdimage = img.imread("my_logo1.jpg")image.shaper = []g = []b = []for line in image:    for pixel in line:        temp_r, temp_g, temp_b = pixel        r.append(temp_r / 255)        g.append(temp_g / 255)        b.append(temp_b / 255)df = pd.DataFrame({"red": r, "green": g, "blue": b})from scipy.cluster.vq import kmeanscluster_centers, distortion = kmeans(df[["red", "green", "blue"]], 7)print(cluster_centers)

返回的聚类中心只有3个，预期是7个

我期望返回的颜色数量与kmeans函数中定义的数量相同。

回答：

阅读kmeans()函数的源代码，你可以注意到使用了一个支持函数_kmeans()，其中你可以找到：

code_book = code_book[has_members]

has_members是一个布尔数组，表示哪些聚类有成员，这是由_vq.update_cluster_means()生成的。

简而言之，当你指定聚类数量k时，算法会返回一组具有最低失真度的中心点（最多 k个）。在K-means的更新步骤中，空聚类会被简单地移除。