0

我似乎找不到与我的问题相关的线程（至少简单来说）。

我有一个按样本站点（行）排列的物种（列）社区矩阵。我首先执行 Bray-Curtis 变换以获得相似/相异矩阵 ( vegdist)，其次，将hclust函数应用于矩阵。

我使用的脚本部分：

library(vegan)
community_matrix <- read.csv(choose.files(),sep=",",row.names=1)
d = (1 - vegdist(community_matrix, method="bray")) * 100
h = hclust(d, method = "ward.D2")
plot(h, main = "", sub = "", xlab="", ylab = "Bray-Curtis simmilarity", axes = FALSE, hang = -1)

然而，一切都很完美，上面生成了一个有 127 个分支的树状图树（每个样本站点一个）。我想将 127 个样本站点按这些站点所属的 5 个 HABITATS 进行分组。然后，树状图的分​​支将显示出更易理解的 5 分支（栖息地）树状图，而不是样本站点。因此，必须对栖息地进行聚类并按样本地点加权。

我之前在 PC-ORD 中进行过此分析，但这次必须在无情的 R 中进行。

4

1 回答 1

0

汇总您的数据。

如果你想对栖息地进行聚类，你的数据应该在栖息地，而不是地点。

但是，如果栖息地结构没有从站点中出现，则栖息地的相似性可能不是非常显着/得到数据的充分支持（或者数据预处理得不够好）。

于 2015-04-29T05:55:52.720 回答