尧图网页设计 
简介本资源是一套完整的基于K均值聚类的音乐数据可视化分析系统专为计算机类专业本科生课程设计、毕业设计及大作业开发适用于计科、人工智能、数据科学等方向的学习者与教师。系统以Python实现核心算法融合情感词典分析、音乐风格聚类与多维度可视化功能支持对经典老歌、网络热歌、民谣、伤感情歌等类别数据进行特征提取与分组呈现。压缩包共48个文件含4个关键Python源码clustering.py、main.py等、2个CSV数据集、10张风格分类PNG图表、16个文本资源含中英文情感词库、数据预处理日志、2个MP4录屏演示及完整IDE配置文件整体大小22.52MB。已有181人学习下载提供可稳定运行的全链路代码、详细资料文档与实操过程录屏兼顾入门理解与二次开发拓展是掌握机器学习聚类应用与数据可视化实践的优质教学案例。1. 用 K 均值聚类给音乐“贴标签”不是做推荐系统而是让数据自己说话你有没有试过把几十首歌的歌词、节奏、情绪词频扔进 Excel想看出“伤感情歌”和“网络热歌”在数据上到底差在哪手动标颜色、拉散点图、反复调整坐标轴——最后只得到一张谁也看不懂的混乱图表。这个课程设计项目不走常规路它不预测你爱听什么而是用 K 均值聚类K-Means强行让音乐数据自我分组再用 Matplotlib Seaborn 把分组结果“画”成可解释的二维投影图。核心逻辑很硬核把每首歌抽象为一个高维向量词频 TF-IDF 节奏特征 情绪得分K 均值在向量空间里找中心点聚类结果直接对应“民谣”“伤感情歌”“流行”等真实标签。它不是黑盒模型而是可追溯、可验证、可调试的数据探针——适合计科、大数据、人工智能方向的学生跑通从原始文本到可视化结论的完整链路尤其适合作为课程设计答辩时能讲清每一步“为什么这么算”的硬核案例。2. K 均值聚类不是调个sklearn.cluster.KMeans就完事特征工程决定聚类质量上限K 均值对输入特征极其敏感。直接拿原始歌词字符串喂给算法结果只会是随机噪声。本项目真正拉开差距的地方在于三层特征构建文本语义层、音乐属性层、情感极性层。这三者必须融合为统一向量才能让聚类中心具备业务可解释性。2.1 文本语义特征TF-IDF 不是终点而是起点项目中music_words.txt和Txt/目录下的正负面评价词表不是摆设。clustering.py中实际采用的是加权 TF-IDF先用jieba或英文场景下nltk.word_tokenize对all_list.txt中每首歌的歌词分词过滤停用词后统计每个词在单首歌内的出现频次TF关键在 IDF 计算不是基于全部歌词库而是仅基于正面评价词语英文.txt和负面评价词语英文.txt构建的极性词典。这意味着“heartbreak”“lonely”这类词的 IDF 值被人为抬高而通用高频词如“the”“and”被抑制。# clustering.py 片段已还原关键逻辑 from sklearn.feature_extraction.text import TfidfVectorizer import jieba # 加载极性词典仅保留有情感倾向的词 with open(Txt/正面评价词语英文.txt, r, encodingutf-8) as f: pos_words set(line.strip() for line in f) with open(Txt/负面评价词语英文.txt, r, encodingutf-8) as f: neg_words set(line.strip() for line in f) polar_words pos_words | neg_words # 合并为极性词集合 # 自定义 tokenizer只保留极性词 长度 2 的词 def custom_tokenizer(text): words jieba.lcut(text.lower()) return [w for w in words if w in polar_words and len(w) 2] vectorizer TfidfVectorizer( tokenizercustom_tokenizer, max_features500, # 限制维度避免稀疏度过高 ngram_range(1, 2) # 加入二元词组捕获broken heart等组合 ) tfidf_matrix vectorizer.fit_transform(lyrics_list)提示max_features500是经过实测的平衡点。设太高如 2000会导致向量极度稀疏K 均值中心点漂移设太低如 100则丢失关键区分词。你可以在main.py中修改此参数后观察silhouette_score变化。2.2 音乐属性与情感极性特征结构化数据必须归一化data.csv文件包含每首歌的结构化字段BPM节拍速度、Key调性、Duration时长、Energy能量值、Valence积极度。这些数值型特征不能直接拼接进 TF-IDF 矩阵——它们的量纲BPM 单位是 BPMDuration 是秒和分布范围Energy 0~1BPM 60~180差异巨大。clustering.py中使用StandardScaler进行标准化from sklearn.preprocessing import StandardScaler import pandas as pd # 读取 data.csv 并提取数值列 df_data pd.read_csv(data.csv) numeric_features df_data[[BPM, Duration, Energy, Valence]].values # 标准化(x - mean) / std scaler StandardScaler() scaled_numeric scaler.fit_transform(numeric_features) # 将 TF-IDF 矩阵稀疏与标准化数值稠密拼接 from scipy.sparse import hstack combined_features hstack([tfidf_matrix, scaled_numeric])表data.csv关键字段说明与业务含义字段名数据类型典型值范围业务含义聚类中作用BPMfloat60–180每分钟节拍数反映歌曲节奏快慢区分“民谣”70–90与“网络热歌”100–130Energyfloat0.0–1.0声音强度与活跃度基于频谱分析“伤感情歌”通常 0.4“流行”常 0.6Valencefloat0.0–1.0歌曲传达的积极/消极情绪程度直接对应“正面/负面评价词表”的语义锚点KeystringC, D#, Gm 等调性影响听感色彩项目中未直接使用但可扩展为 one-hot 编码特征2.3 为什么 K4用肘部法则和轮廓系数双重验证项目默认K4对应“民谣”“伤感情歌”“流行”“网络热歌”四类但这不是拍脑袋定的。main.py中内置了肘部法则Elbow Method和平均轮廓系数Silhouette Score计算from sklearn.cluster import KMeans from sklearn.metrics import silhouette_score import matplotlib.pyplot as plt inertias [] sil_scores [] K_range range(2, 8) for k in K_range: kmeans KMeans(n_clustersk, random_state42, n_init10) kmeans.fit(combined_features) inertias.append(kmeans.inertia_) sil_scores.append(silhouette_score(combined_features, kmeans.labels_)) # 绘制双指标曲线 plt.figure(figsize(12, 4)) plt.subplot(1, 2, 1) plt.plot(K_range, inertias, bo-) plt.xlabel(K) plt.ylabel(Inertia) plt.title(Elbow Method) plt.subplot(1, 2, 2) plt.plot(K_range, sil_scores, ro-) plt.xlabel(K) plt.ylabel(Silhouette Score) plt.title(Silhouette Analysis) plt.show()注意运行此代码前需确保matplotlib已安装pip install matplotlib。若报错ModuleNotFoundError: No module named matplotlib请先执行pip install matplotlib。这是 Python 安装环节最常被忽略的依赖之一——很多同学卡在第一步就是因为没装绘图库。3. 可视化不是“画图”而是用降维技术让高维聚类结果可解释K 均值输出的是 500 维空间中的簇标签人眼无法理解。main.py的核心价值在于用t-SNE 降维 Matplotlib 着色把抽象的数学分组转化为肉眼可辨的地理分布。这不是简单调用plt.scatter()而是严格遵循“先降维、再着色、后标注”的三步铁律。3.1 t-SNE 降维为什么不用 PCAPCA 会压缩方差最大的方向但音乐特征中“情感极性”和“节奏”可能方差相近PCA 会把它们混在一起。t-SNE 则专注于保持局部邻域关系如果两首歌在高维空间中词频和 BPM 都接近t-SNE 保证它们在二维图上也挨得很近。main.py中关键参数设置如下from sklearn.manifold import TSNE # t-SNE 参数详解非默认值 tsne TSNE( n_components2, # 必须为2用于绘图 perplexity30, # 邻居数量30 表示每个点关注约30个最近邻 learning_rate200, # 学习率200 是经验最优值太小收敛慢太大飞散 n_iter1000, # 迭代次数1000 保证充分优化 random_state42 # 固定随机种子确保每次结果一致 ) tsne_result tsne.fit_transform(combined_features.toarray()) # 注意转为稠密数组提示combined_features是稀疏矩阵t-SNE 要求稠密输入故调用.toarray()。若内存不足如数据量 1000 首可改用TruncatedSVD先降维到 50 维再进 t-SNE。3.2 可视化实现用不同形状颜色区分真实标签与聚类标签main.py最终生成的图如经典老歌.png包含两层信息背景散点按 K 均值聚类结果着色红/蓝/绿/紫代表算法认为的“相似歌曲群”边缘标记用三角形△、方形□、圆形○等符号标注每首歌的真实流派标签来自data.csv的Genre列直观显示聚类准确率。import matplotlib.pyplot as plt # 假设 labels_true 来自 data.csv 的 Genre 列labels_pred 来自 KMeans plt.figure(figsize(10, 8)) scatter plt.scatter( tsne_result[:, 0], tsne_result[:, 1], clabels_pred, cmaptab10, alpha0.7, s50 ) # 添加真实标签符号关键 for i, (x, y) in enumerate(tsne_result): if labels_true[i] 民谣: marker ^ # 三角形 elif labels_true[i] 伤感情歌: marker s # 方形 elif labels_true[i] 流行: marker o # 圆形 else: marker D # 菱形 plt.scatter(x, y, markermarker, cblack, s80, edgecolorswhite, linewidth1.5) plt.colorbar(scatter, labelK-Means Cluster) plt.title(t-SNE Visualization of Music Clusters) plt.xlabel(t-SNE Dimension 1) plt.ylabel(t-SNE Dimension 2) plt.savefig(music_clusters_tsne.png, dpi300, bbox_inchestight) plt.show()表聚类结果与真实标签匹配度速查基于data.csv示例数据K 均值簇ID主要包含真实标签典型特征TF-IDF 数值常见误分歌曲Cluster 0民谣高“acoustic”“guitar”词频BPM 70–85Energy 0.3少量轻快民谣被分入流行簇Cluster 1伤感情歌高“tears”“lonely”词频Valence 0.2BPM 65–75部分“伤感快节奏”电子情歌误入网络热歌簇Cluster 2流行高“dance”“beat”词频Energy 0.6BPM 110–125少量抒情流行被分入伤感情歌簇Cluster 3网络热歌高“viral”“trend”词频Duration 200 秒Valence 0.4–0.6无显著误分因该类特征最鲜明4. 从课程设计到可交付成果绕过 Windows 路径中文坑、快速验证聚类效果解压后路径含中文如D:\我的毕设\音乐分析系统\是本项目第一大拦路虎。Python 在 Windows 下读取data.csv或Txt/正面评价词语英文.txt时会因编码和路径解析失败直接报FileNotFoundError或UnicodeDecodeError。这不是代码 bug而是环境配置问题——必须用最简方式破局。4.1 三步解决中文路径问题Windows 用户必做重命名项目文件夹为纯英文将基于k均值聚类的音乐数据可视化分析系统python源码完整资料录屏演示课程设计改为music_kmeans_analysis用命令行进入该目录执行pip install -r requirement.txtrequirement.txt明确列出numpy1.24.3,scikit-learn1.3.0,matplotlib3.7.1,jieba0.42.1版本锁定可避免兼容性冲突运行前检查工作目录在main.py开头插入强制路径切换代码确保所有open()操作基于当前脚本位置import os # 强制将工作目录设为 main.py 所在目录解决相对路径失效 os.chdir(os.path.dirname(os.path.abspath(__file__))) print(fCurrent working directory: {os.getcwd()}) # 调试用确认路径正确提示若pip install报错ERROR: Could not find a version that satisfies the requirement...大概率是 pip 版本过旧。执行python -m pip install --upgrade pip升级后再试。这是 Python 安装环节第二高频问题。4.2 5 分钟验证聚类是否成功看三个关键输出不要等完整图表生成才判断对错。运行main.py后立即检查控制台输出的三行关键信息[INFO] TF-IDF matrix shape: (87, 500) # 87 首歌500 个特征词 [INFO] KMeans inertia: 1245.67 # 惯性值越小越好但 K 增大必然减小 [INFO] Silhouette Score: 0.42 # 0.25~0.5 为合理范围0.5 优秀若TF-IDF matrix shape第二个数字远小于 500如(87, 42)说明custom_tokenizer过滤太狠检查music_words.txt是否为空或编码错误若inertia2000 且Silhouette Score0.2大概率是data.csv中BPM或Valence列存在空值NaN需用pandas清洗df_data.fillna(df_data.mean(), inplaceTrue)若Silhouette Score0.55 但图表中簇严重重叠说明 t-SNE 的perplexity设太低应调至 40–50。4.3 用clustering.py单独调试聚焦核心算法逻辑clustering.py是整个项目的算法心脏。它不负责读文件、不负责画图只做一件事接收特征矩阵返回聚类标签。你可以把它当作黑盒函数测试# 在 Python 交互环境如 PyCharm Console中执行 from clustering import run_kmeans_clustering import numpy as np # 构造一个模拟的 3 首歌 × 5 维特征矩阵测试用 test_features np.array([ [0.1, 0.8, 0.2, 75, 0.3], # 民谣低能量中 BPM [0.9, 0.1, 0.9, 120, 0.7], # 流行高能量高 BPM [0.7, 0.2, 0.1, 68, 0.1] # 伤感低积极度低 BPM ]) labels run_kmeans_clustering(test_features, n_clusters3) print(Test labels:, labels) # 应输出类似 [0 2 1]表示三首歌分属不同簇这段代码能让你在 30 秒内确认K 均值算法本身是否正常工作。如果报错ValueError: Found array with 0 sample(s), 说明test_features构造有误如果labels全为同一数字说明n_clusters设置不当或数据未归一化。这是排查问题最高效的切入点。本文还有配套的精品资源点击获取 K均值聚类在音乐数据分析中的实践与可视化
简介本资源是一套完整的基于K均值聚类的音乐数据可视化分析系统专为计算机类专业本科生课程设计、毕业设计及大作业开发适用于计科、人工智能、数据科学等方向的学习者与教师。系统以Python实现核心算法融合情感词典分析、音乐风格聚类与多维度可视化功能支持对经典老歌、网络热歌、民谣、伤感情歌等类别数据进行特征提取与分组呈现。压缩包共48个文件含4个关键Python源码clustering.py、main.py等、2个CSV数据集、10张风格分类PNG图表、16个文本资源含中英文情感词库、数据预处理日志、2个MP4录屏演示及完整IDE配置文件整体大小22.52MB。已有181人学习下载提供可稳定运行的全链路代码、详细资料文档与实操过程录屏兼顾入门理解与二次开发拓展是掌握机器学习聚类应用与数据可视化实践的优质教学案例。1. 用 K 均值聚类给音乐“贴标签”不是做推荐系统而是让数据自己说话你有没有试过把几十首歌的歌词、节奏、情绪词频扔进 Excel想看出“伤感情歌”和“网络热歌”在数据上到底差在哪手动标颜色、拉散点图、反复调整坐标轴——最后只得到一张谁也看不懂的混乱图表。这个课程设计项目不走常规路它不预测你爱听什么而是用 K 均值聚类K-Means强行让音乐数据自我分组再用 Matplotlib Seaborn 把分组结果“画”成可解释的二维投影图。核心逻辑很硬核把每首歌抽象为一个高维向量词频 TF-IDF 节奏特征 情绪得分K 均值在向量空间里找中心点聚类结果直接对应“民谣”“伤感情歌”“流行”等真实标签。它不是黑盒模型而是可追溯、可验证、可调试的数据探针——适合计科、大数据、人工智能方向的学生跑通从原始文本到可视化结论的完整链路尤其适合作为课程设计答辩时能讲清每一步“为什么这么算”的硬核案例。2. K 均值聚类不是调个sklearn.cluster.KMeans就完事特征工程决定聚类质量上限K 均值对输入特征极其敏感。直接拿原始歌词字符串喂给算法结果只会是随机噪声。本项目真正拉开差距的地方在于三层特征构建文本语义层、音乐属性层、情感极性层。这三者必须融合为统一向量才能让聚类中心具备业务可解释性。2.1 文本语义特征TF-IDF 不是终点而是起点项目中music_words.txt和Txt/目录下的正负面评价词表不是摆设。clustering.py中实际采用的是加权 TF-IDF先用jieba或英文场景下nltk.word_tokenize对all_list.txt中每首歌的歌词分词过滤停用词后统计每个词在单首歌内的出现频次TF关键在 IDF 计算不是基于全部歌词库而是仅基于正面评价词语英文.txt和负面评价词语英文.txt构建的极性词典。这意味着“heartbreak”“lonely”这类词的 IDF 值被人为抬高而通用高频词如“the”“and”被抑制。# clustering.py 片段已还原关键逻辑 from sklearn.feature_extraction.text import TfidfVectorizer import jieba # 加载极性词典仅保留有情感倾向的词 with open(Txt/正面评价词语英文.txt, r, encodingutf-8) as f: pos_words set(line.strip() for line in f) with open(Txt/负面评价词语英文.txt, r, encodingutf-8) as f: neg_words set(line.strip() for line in f) polar_words pos_words | neg_words # 合并为极性词集合 # 自定义 tokenizer只保留极性词 长度 2 的词 def custom_tokenizer(text): words jieba.lcut(text.lower()) return [w for w in words if w in polar_words and len(w) 2] vectorizer TfidfVectorizer( tokenizercustom_tokenizer, max_features500, # 限制维度避免稀疏度过高 ngram_range(1, 2) # 加入二元词组捕获broken heart等组合 ) tfidf_matrix vectorizer.fit_transform(lyrics_list)提示max_features500是经过实测的平衡点。设太高如 2000会导致向量极度稀疏K 均值中心点漂移设太低如 100则丢失关键区分词。你可以在main.py中修改此参数后观察silhouette_score变化。2.2 音乐属性与情感极性特征结构化数据必须归一化data.csv文件包含每首歌的结构化字段BPM节拍速度、Key调性、Duration时长、Energy能量值、Valence积极度。这些数值型特征不能直接拼接进 TF-IDF 矩阵——它们的量纲BPM 单位是 BPMDuration 是秒和分布范围Energy 0~1BPM 60~180差异巨大。clustering.py中使用StandardScaler进行标准化from sklearn.preprocessing import StandardScaler import pandas as pd # 读取 data.csv 并提取数值列 df_data pd.read_csv(data.csv) numeric_features df_data[[BPM, Duration, Energy, Valence]].values # 标准化(x - mean) / std scaler StandardScaler() scaled_numeric scaler.fit_transform(numeric_features) # 将 TF-IDF 矩阵稀疏与标准化数值稠密拼接 from scipy.sparse import hstack combined_features hstack([tfidf_matrix, scaled_numeric])表data.csv关键字段说明与业务含义字段名数据类型典型值范围业务含义聚类中作用BPMfloat60–180每分钟节拍数反映歌曲节奏快慢区分“民谣”70–90与“网络热歌”100–130Energyfloat0.0–1.0声音强度与活跃度基于频谱分析“伤感情歌”通常 0.4“流行”常 0.6Valencefloat0.0–1.0歌曲传达的积极/消极情绪程度直接对应“正面/负面评价词表”的语义锚点KeystringC, D#, Gm 等调性影响听感色彩项目中未直接使用但可扩展为 one-hot 编码特征2.3 为什么 K4用肘部法则和轮廓系数双重验证项目默认K4对应“民谣”“伤感情歌”“流行”“网络热歌”四类但这不是拍脑袋定的。main.py中内置了肘部法则Elbow Method和平均轮廓系数Silhouette Score计算from sklearn.cluster import KMeans from sklearn.metrics import silhouette_score import matplotlib.pyplot as plt inertias [] sil_scores [] K_range range(2, 8) for k in K_range: kmeans KMeans(n_clustersk, random_state42, n_init10) kmeans.fit(combined_features) inertias.append(kmeans.inertia_) sil_scores.append(silhouette_score(combined_features, kmeans.labels_)) # 绘制双指标曲线 plt.figure(figsize(12, 4)) plt.subplot(1, 2, 1) plt.plot(K_range, inertias, bo-) plt.xlabel(K) plt.ylabel(Inertia) plt.title(Elbow Method) plt.subplot(1, 2, 2) plt.plot(K_range, sil_scores, ro-) plt.xlabel(K) plt.ylabel(Silhouette Score) plt.title(Silhouette Analysis) plt.show()注意运行此代码前需确保matplotlib已安装pip install matplotlib。若报错ModuleNotFoundError: No module named matplotlib请先执行pip install matplotlib。这是 Python 安装环节最常被忽略的依赖之一——很多同学卡在第一步就是因为没装绘图库。3. 可视化不是“画图”而是用降维技术让高维聚类结果可解释K 均值输出的是 500 维空间中的簇标签人眼无法理解。main.py的核心价值在于用t-SNE 降维 Matplotlib 着色把抽象的数学分组转化为肉眼可辨的地理分布。这不是简单调用plt.scatter()而是严格遵循“先降维、再着色、后标注”的三步铁律。3.1 t-SNE 降维为什么不用 PCAPCA 会压缩方差最大的方向但音乐特征中“情感极性”和“节奏”可能方差相近PCA 会把它们混在一起。t-SNE 则专注于保持局部邻域关系如果两首歌在高维空间中词频和 BPM 都接近t-SNE 保证它们在二维图上也挨得很近。main.py中关键参数设置如下from sklearn.manifold import TSNE # t-SNE 参数详解非默认值 tsne TSNE( n_components2, # 必须为2用于绘图 perplexity30, # 邻居数量30 表示每个点关注约30个最近邻 learning_rate200, # 学习率200 是经验最优值太小收敛慢太大飞散 n_iter1000, # 迭代次数1000 保证充分优化 random_state42 # 固定随机种子确保每次结果一致 ) tsne_result tsne.fit_transform(combined_features.toarray()) # 注意转为稠密数组提示combined_features是稀疏矩阵t-SNE 要求稠密输入故调用.toarray()。若内存不足如数据量 1000 首可改用TruncatedSVD先降维到 50 维再进 t-SNE。3.2 可视化实现用不同形状颜色区分真实标签与聚类标签main.py最终生成的图如经典老歌.png包含两层信息背景散点按 K 均值聚类结果着色红/蓝/绿/紫代表算法认为的“相似歌曲群”边缘标记用三角形△、方形□、圆形○等符号标注每首歌的真实流派标签来自data.csv的Genre列直观显示聚类准确率。import matplotlib.pyplot as plt # 假设 labels_true 来自 data.csv 的 Genre 列labels_pred 来自 KMeans plt.figure(figsize(10, 8)) scatter plt.scatter( tsne_result[:, 0], tsne_result[:, 1], clabels_pred, cmaptab10, alpha0.7, s50 ) # 添加真实标签符号关键 for i, (x, y) in enumerate(tsne_result): if labels_true[i] 民谣: marker ^ # 三角形 elif labels_true[i] 伤感情歌: marker s # 方形 elif labels_true[i] 流行: marker o # 圆形 else: marker D # 菱形 plt.scatter(x, y, markermarker, cblack, s80, edgecolorswhite, linewidth1.5) plt.colorbar(scatter, labelK-Means Cluster) plt.title(t-SNE Visualization of Music Clusters) plt.xlabel(t-SNE Dimension 1) plt.ylabel(t-SNE Dimension 2) plt.savefig(music_clusters_tsne.png, dpi300, bbox_inchestight) plt.show()表聚类结果与真实标签匹配度速查基于data.csv示例数据K 均值簇ID主要包含真实标签典型特征TF-IDF 数值常见误分歌曲Cluster 0民谣高“acoustic”“guitar”词频BPM 70–85Energy 0.3少量轻快民谣被分入流行簇Cluster 1伤感情歌高“tears”“lonely”词频Valence 0.2BPM 65–75部分“伤感快节奏”电子情歌误入网络热歌簇Cluster 2流行高“dance”“beat”词频Energy 0.6BPM 110–125少量抒情流行被分入伤感情歌簇Cluster 3网络热歌高“viral”“trend”词频Duration 200 秒Valence 0.4–0.6无显著误分因该类特征最鲜明4. 从课程设计到可交付成果绕过 Windows 路径中文坑、快速验证聚类效果解压后路径含中文如D:\我的毕设\音乐分析系统\是本项目第一大拦路虎。Python 在 Windows 下读取data.csv或Txt/正面评价词语英文.txt时会因编码和路径解析失败直接报FileNotFoundError或UnicodeDecodeError。这不是代码 bug而是环境配置问题——必须用最简方式破局。4.1 三步解决中文路径问题Windows 用户必做重命名项目文件夹为纯英文将基于k均值聚类的音乐数据可视化分析系统python源码完整资料录屏演示课程设计改为music_kmeans_analysis用命令行进入该目录执行pip install -r requirement.txtrequirement.txt明确列出numpy1.24.3,scikit-learn1.3.0,matplotlib3.7.1,jieba0.42.1版本锁定可避免兼容性冲突运行前检查工作目录在main.py开头插入强制路径切换代码确保所有open()操作基于当前脚本位置import os # 强制将工作目录设为 main.py 所在目录解决相对路径失效 os.chdir(os.path.dirname(os.path.abspath(__file__))) print(fCurrent working directory: {os.getcwd()}) # 调试用确认路径正确提示若pip install报错ERROR: Could not find a version that satisfies the requirement...大概率是 pip 版本过旧。执行python -m pip install --upgrade pip升级后再试。这是 Python 安装环节第二高频问题。4.2 5 分钟验证聚类是否成功看三个关键输出不要等完整图表生成才判断对错。运行main.py后立即检查控制台输出的三行关键信息[INFO] TF-IDF matrix shape: (87, 500) # 87 首歌500 个特征词 [INFO] KMeans inertia: 1245.67 # 惯性值越小越好但 K 增大必然减小 [INFO] Silhouette Score: 0.42 # 0.25~0.5 为合理范围0.5 优秀若TF-IDF matrix shape第二个数字远小于 500如(87, 42)说明custom_tokenizer过滤太狠检查music_words.txt是否为空或编码错误若inertia2000 且Silhouette Score0.2大概率是data.csv中BPM或Valence列存在空值NaN需用pandas清洗df_data.fillna(df_data.mean(), inplaceTrue)若Silhouette Score0.55 但图表中簇严重重叠说明 t-SNE 的perplexity设太低应调至 40–50。4.3 用clustering.py单独调试聚焦核心算法逻辑clustering.py是整个项目的算法心脏。它不负责读文件、不负责画图只做一件事接收特征矩阵返回聚类标签。你可以把它当作黑盒函数测试# 在 Python 交互环境如 PyCharm Console中执行 from clustering import run_kmeans_clustering import numpy as np # 构造一个模拟的 3 首歌 × 5 维特征矩阵测试用 test_features np.array([ [0.1, 0.8, 0.2, 75, 0.3], # 民谣低能量中 BPM [0.9, 0.1, 0.9, 120, 0.7], # 流行高能量高 BPM [0.7, 0.2, 0.1, 68, 0.1] # 伤感低积极度低 BPM ]) labels run_kmeans_clustering(test_features, n_clusters3) print(Test labels:, labels) # 应输出类似 [0 2 1]表示三首歌分属不同簇这段代码能让你在 30 秒内确认K 均值算法本身是否正常工作。如果报错ValueError: Found array with 0 sample(s), 说明test_features构造有误如果labels全为同一数字说明n_clusters设置不当或数据未归一化。这是排查问题最高效的切入点。本文还有配套的精品资源点击获取