我正在做一个聚类任务,我有一个距离矩阵。我希望将此距离矩阵可视化为二维图。请让我知道是否有任何方法可以在线或使用 R 或 python 等编程语言进行操作。我的距离矩阵如下, 我使用了经典的多维缩放功能(在 R 中)并获得了一个 2D 图,如下所示: 但我正在寻找的是一个图,其中节点和加权边在它们之间运行。
问问题
18591 次
4 回答
10
可能性 1
我假设您需要一个二维图,其中节点位置之间的距离与您的 table 提供的距离相同。
在python中,您可以networkx
用于此类应用程序。一般来说,有很多方法可以做到这一点,记住,它们都只是近似值(因为一般来说,鉴于它们的成对距离,不可能创建点的二维表示)它们是某种应力最小化(或能量-minimization) 近似,试图找到与所提供的距离相似的“合理”表示。
作为示例,您可以考虑一个四点示例(应用了正确的离散度量):
p1 p2 p3 p4
---------------
p1 0 1 1 1
p2 1 0 1 1
p3 1 1 0 1
p4 1 1 1 0
通常,绘制实际的“图形”是多余的,因为您已经完全连接了一个(每对节点都已连接),因此仅绘制点就足够了。
import networkx as nx
import numpy as np
import string
dt = [('len', float)]
A = np.array([(0, 0.3, 0.4, 0.7),
(0.3, 0, 0.9, 0.2),
(0.4, 0.9, 0, 0.1),
(0.7, 0.2, 0.1, 0)
])*10
A = A.view(dt)
G = nx.from_numpy_matrix(A)
G = nx.relabel_nodes(G, dict(zip(range(len(G.nodes())),string.ascii_uppercase)))
G = nx.to_agraph(G)
G.node_attr.update(color="red", style="filled")
G.edge_attr.update(color="blue", width="2.0")
G.draw('distances.png', format='png', prog='neato')
在 R 中,您可以尝试多维缩放
# Classical MDS
# N rows (objects) x p columns (variables)
# each row identified by a unique row name
d <- dist(mydata) # euclidean distances between the rows
fit <- cmdscale(d,eig=TRUE, k=2) # k is the number of dim
fit # view results
# plot solution
x <- fit$points[,1]
y <- fit$points[,2]
plot(x, y, xlab="Coordinate 1", ylab="Coordinate 2",
main="Metric MDS", type="n")
text(x, y, labels = row.names(mydata), cex=.7)
可能性 2
您只想绘制带有标记边缘的图形
再次,networkx
可以帮助:
import networkx as nx
# Create a graph
G = nx.Graph()
# distances
D = [ [0, 1], [1, 0] ]
labels = {}
for n in range(len(D)):
for m in range(len(D)-(n+1)):
G.add_edge(n,n+m+1)
labels[ (n,n+m+1) ] = str(D[n][n+m+1])
pos=nx.spring_layout(G)
nx.draw(G, pos)
nx.draw_networkx_edge_labels(G,pos,edge_labels=labels,font_size=30)
import pylab as plt
plt.show()
于 2013-09-20T09:20:05.033 回答
0
您可以使用 d3js Force Directed Graph 并配置节点之间的距离。d3js 强制布局具有一些集群能力,可以将具有相似距离的节点分开。这是一个将值作为节点之间距离的示例:
http://vida.io/documents/SyT7DRedQmGSpsBkK
另一种可视化方法是在节点之间使用相同的距离,但线的粗细不同。在这种情况下,您需要根据值计算笔划宽度:
.style("stroke-width", function(d) { return Math.sqrt(d.value / 50); });
于 2013-09-21T07:11:19.597 回答