24

我对这个模块（scipy.cluster.hierarchy）感到困惑......并且仍然有一些！

例如，我们有以下树状图：

层次聚类

我的问题是如何以一种很好的格式（比如 SIF 格式）提取彩色子树（每个子树代表一个簇）？现在获取上图的代码是：

import scipy
import scipy.cluster.hierarchy as sch
import matplotlib.pylab as plt

scipy.randn(100,2)

d = sch.distance.pdist(X)

Z= sch.linkage(d,method='complete')

P =sch.dendrogram(Z)

plt.savefig('plot_dendrogram.png')

T = sch.fcluster(Z, 0.5*d.max(), 'distance')
#array([4, 5, 3, 2, 2, 3, 5, 2, 2, 5, 2, 2, 2, 3, 2, 3, 2, 5, 4, 5, 2, 5, 2,
#       3, 3, 3, 1, 3, 4, 2, 2, 4, 2, 4, 3, 3, 2, 5, 5, 5, 3, 2, 2, 2, 5, 4,
#       2, 4, 2, 2, 5, 5, 1, 2, 3, 2, 2, 5, 4, 2, 5, 4, 3, 5, 4, 4, 2, 2, 2,
#       4, 2, 5, 2, 2, 3, 3, 2, 4, 5, 3, 4, 4, 2, 1, 5, 4, 2, 2, 5, 5, 2, 2,
#       5, 5, 5, 4, 3, 3, 2, 4], dtype=int32)

sch.leaders(Z,T)
# (array([190, 191, 182, 193, 194], dtype=int32),
#  array([2, 3, 1, 4,5],dtype=int32))

所以现在， 的输出fcluster()给出了节点的聚类（通过它们的 id），这里leaders()描述的应该返回 2 个数组：

  • 第一个包含 Z 生成的集群的领导节点，在这里我们可以看到我们有 5 个集群，以及在图中

  • 第二个是这些集群的 id

所以如果这个领导者（）返回resp。L 和 M :L[2]=182和M[2]=1，然后集群 1 由节点 id 182 引导，该节点 id 不存在于观察集 X 中，文档说“......那么它对应于非单例集群”。但我无法得到它...

此外，我通过 将 Z 转换为树sch.to_tree(Z)，这将返回一个易于使用的树对象，我想将其可视化，但是我应该使用哪个工具作为图形平台来操作这些树对象作为输入？

4

1 回答 1

24

回答您关于树操作的部分问题...

正如另一个答案icoord中所解释的，您可以dcoord从树对象中读取分支的坐标。对于每个分支，坐标从左到右给出。

如果要手动绘制树，可以使用以下内容：

def plot_tree(P, pos=None):
    plt.clf()
    icoord = scipy.array(P['icoord'])
    dcoord = scipy.array(P['dcoord'])
    color_list = scipy.array(P['color_list'])
    xmin, xmax = icoord.min(), icoord.max()
    ymin, ymax = dcoord.min(), dcoord.max()
    if pos:
        icoord = icoord[pos]
        dcoord = dcoord[pos]
        color_list = color_list[pos]
    for xs, ys, color in zip(icoord, dcoord, color_list):
        plt.plot(xs, ys, color)
    plt.xlim(xmin-10, xmax + 0.1*abs(xmax))
    plt.ylim(ymin, ymax + 0.1*abs(ymax))
    plt.show()

在您的代码中，其中plot_tree(P)给出：

在此处输入图像描述

该功能允许您只选择一些分支：

plot_tree(P, range(10))

在此处输入图像描述

现在你必须知道要绘制哪些分支。也许fcluster()输出有点模糊，另一种根据最小和最大距离容差找到要绘制的分支的方法是linkage()直接使用输出（Z在 OP 的情况下）：

dmin = 0.2
dmax = 0.3
pos = scipy.all( (Z[:,2] >= dmin, Z[:,2] <= dmax), axis=0 ).nonzero()
plot_tree( P, pos )

推荐参考：

于 2013-06-03T12:58:52.477 回答