python scikit learn KMeans聚类分析绘图报错

目前正在使用Python的scikit learn中的KMeans库进行聚类分析，所使用的数据源有4000多条数据，
其中用于绘制结果的代码如下：

for u,v in enumerate(kmeamsmodel.labels_):
    plt.plot(card['numeducation'][u],card['nummarital'][u],color=colors[u],ls='none')
plt.show()

运行时报错了，报错内容如下

 plt.plot(card['numeducation'][u],card['nummarital'][u],color=colors[u],marker=markers[1],ls='none')
IndexError: list index out of range

我目前使用的Python版本为3.9，运行环境为pycharm2022.1.3社区版。
请问出了什么错误？

【相关推荐】

• 这有个类似的问题, 你可以参考下: https://ask.csdn.net/questions/758405
• 你也可以参考下这篇文章：python与机器学习聚类：31省市居民家庭消费水平和学生月上网时间分布、kmeans实现图像分割
• 您还可以看一下 赵辛老师的Python3从0入门机器学习算法实战(人工智能必修课)课程中的 k均值聚类算法(Kmeans)小节, 巩固相关知识点
  
• 除此之外, 这篇博客: python的scikit-learn机器学习库实现kmeans聚类（参数、方法、实例、评估）中的 聚类效果评估 部分也许能够解决你的问题, 你可以仔细阅读以下内容或跳转源博客中阅读:
  

  可以从簇内的稠密程度和簇间的离散程度来评估聚类的效果。常见的方法有轮廓系数Silhouette Coefficient和Calinski-Harabasz Index。

  本文选择Calinski-Harabasz Index，这个计算简单直接，得到的Calinski-Harabasz分数值s越大则聚类效果越好。

  Calinski-Harabasz分数值s的数学计算公式是：
  s(k)=tr(Bk)tr(Wk)m−kk−1 s(k)=\cfrac{tr(B_k)}{tr(W_k)}\cfrac{m-k}{k-1} s(k)=tr(Wk​)tr(Bk​)​k−1m−k​
  其中m为训练集样本数，k为类别数。Bk为类别之间的协方差矩阵，Wk为类别内部数据的协方差矩阵。tr为矩阵的迹。

  也就是说，类别内部数据的协方差越小越好，类别之间的协方差越大越好，这样的Calinski-Harabasz分数会高。

  在scikit-learn中， Calinski-Harabasz Index对应的方法是metrics.calinski_harabaz_score.

如果你已经解决了该问题, 非常希望你能够分享一下解决方案, 写成博客, 将相关链接放在评论区, 以帮助更多的人 ^-^