================= 更新答案
现在可以使用get_subdendrogramsfrom解决此问题dendextend。
# needed packages:
# install.packages(gplots)
# install.packages(viridis)
# install.packages(devtools)
# devtools::install_github('talgalili/dendextend') # dendextend from github
# define dendrogram object to play with:
dend <- iris[,-5] %>% dist %>% hclust %>% as.dendrogram %>% set("labels_to_character") %>% color_branches(k=5)
dend_list <- get_subdendrograms(dend, 5)
# Plotting the result
par(mfrow = c(2,3))
plot(dend, main = "Original dendrogram")
sapply(dend_list, plot)
这也可以在热图中使用：
# plot a heatmap of only one of the sub dendrograms
par(mfrow = c(1,1))
library(gplots)
sub_dend <- dend_list[[1]] # get the sub dendrogram
# make sure of the size of the dend
nleaves(sub_dend)
length(order.dendrogram(sub_dend))
# get the subset of the data
subset_iris <- as.matrix(iris[order.dendrogram(sub_dend),-5])
# update the dendrogram's internal order so to not cause an error in heatmap.2
order.dendrogram(sub_dend) <- rank(order.dendrogram(sub_dend))
heatmap.2(subset_iris, Rowv = sub_dend, trace = "none", col = viridis::viridis(100))
================= 旧答案
我认为对您有帮助的是以下两个功能：
第一个只是遍历所有集群并提取子结构。这个需要：
dendrogram我们要从中获取子树状图的对象- 集群标签（例如，由返回
cutree）
返回子树状图的列表。
extractDendrograms <- function(dendr, clusters){
lapply(unique(clusters), function(clust.id){
getSubDendrogram(dendr, which(clusters==clust.id))
})
}
第二个执行深度优先搜索以确定集群存在于哪个子树中，如果它与完整集群匹配，则返回它。在这里，我们假设一个簇的所有元素都在一个子树中。这个需要：
返回对应于给定元素簇的子树状图。
getSubDendrogram<-function(dendr, my.clust){
if(all(unlist(dendr) %in% my.clust))
return(dendr)
if(any(unlist(dendr[[1]]) %in% my.clust ))
return(getSubDendrogram(dendr[[1]], my.clust))
else
return(getSubDendrogram(dendr[[2]], my.clust))
}
使用这两个函数，我们可以使用您在问题中提供的变量并获得以下输出。（我认为该行clusters <- cutree(dnd, k = 6)应该是clusters <- cutree(hc, k = 6)）
my.sub.dendrograms <- extractDendrograms(dnd, clusters)
绘制列表中的所有六个元素给出所有子树状图
编辑
正如评论中所建议的，我添加了一个函数，该函数作为输入采用树状图dend和子树的数量k，但它仍然使用先前定义的递归函数getSubDendrogram：
prune_cutree_to_dendlist <- function(dend, k, order_clusters_as_data=FALSE) {
clusters <- cutree(dend, k, order_clusters_as_data)
lapply(unique(clusters), function(clust.id){
getSubDendrogram(dend, which(clusters==clust.id))
})
}
5 个子结构的测试用例：
library(dendextend)
dend <- iris[,-5] %>% dist %>% hclust %>% as.dendrogram %>% set("labels_to_character") %>% color_branches(k=5)
subdend.list <- prune_cutree_to_dendlist(dend, 5)
#plotting
par(mfrow = c(2,3))
plot(dend, main = "original dend")
sapply(prunned_dends, plot)
我已经使用rbenchmarkTal Galili（这里命名为prune_cutree_to_dendlist2）建议的函数执行了一些基准测试，结果对于上述 DFS 方法非常有希望：
library(rbenchmark)
benchmark(prune_cutree_to_dendlist(dend, 5),
prune_cutree_to_dendlist2(dend, 5), replications=5)
test replications elapsed relative user.self
1 prune_cutree_to_dendlist(dend, 5) 5 0.02 1 0.020
2 prune_cutree_to_dendlist2(dend, 5) 5 60.82 3041 60.643
