2

我有以下代码来对数据执行分层聚类：

Z = linkage(data,method='weighted')
  plt.subplot(2,1,1)
  dendro = dendrogram(Z)
  leaves = dendro['leaves']
  print leaves
  plt.show()

然而，在树状图中，所有簇都具有相同的颜色（蓝色）。有没有办法针对集群之间的相似性使用不同的颜色？

4

1 回答 1

5

查看文档，看起来您可以传递link_color_func关键字或color_threshold关键字以具有不同的颜色。

编辑：

树状图着色方案的默认行为是，如果第一个节点低于切割阈值，则将color_threshold = 0.7*max(Z[:,2])集群节点下方的所有后代链接着色k为相同颜色；k否则，连接距离大于或等于阈值的节点的所有链接都是蓝色的[来自文档]。

这到底是什么意思？好吧，如果你看一个树状图，不同的集群连接在一起。两个集群之间的“距离”是它们之间链接的高度。这color_threshold是新集群将具有不同颜色的高度。如果你所有的集群都是蓝色的，那么你需要提高你的color_threshold. 例如，

In [48]: mat = np.random.rand(10, 10)
In [49]: z = linkage(mat, method="weighted")
In [52]: d = dendrogram(z)
In [53]: d['color_list']
Out[53]: ['g', 'g', 'b', 'r', 'c', 'c', 'c', 'b', 'b']
In [54]: plt.show()

在此处输入图像描述

我可以检查默认值color_threshold是什么

In [56]: 0.7*np.max(z[:,2])
Out[56]: 1.0278719020096947

如果我降低color_threshold，我会得到更多的蓝色，因为更多的链接比新链接的距离更大color_threshold。您可以直观地看到这一点，因为 0.9 以上的所有链接现在都是蓝色的：

In [64]: d = dendrogram(z, color_threshold=.9)
In [65]: d['color_list']
Out[65]: ['g', 'b', 'b', 'r', 'b', 'b', 'b', 'b', 'b']
In [66]: plt.show()

在此处输入图像描述

如果我增加color_thresholdto 1.2，下面的链接1.2将不再是蓝色的。此外，青色和红色链接将合并为一种颜色，因为它们的父链接如下1.2：

在此处输入图像描述

于 2013-07-05T16:30:47.473 回答