R图基于k的上部树状图

Question

我正在使用hclust（）基于R中的20,000行x 169列数据集对距离矩阵进行聚类。 当我将簇对象转换为树形图并绘制整个树形图时，很难读取它，因为它太大了，即使我将它输出到相当大的pdf。

df <- as.data.frame(matrix(abs(rnorm(3380000)), nrow = 20000))
mydist <- vegdist(df)
my.hc <- hclust(mydist, method = "average")
hcd <- as.dendrogram(my.hc)

pdf("hclust_plot.pdf", width = 40, height = 15)
plot(hcd)
dev.off()

我想指定截断树形图的簇数（k），然后仅绘制在k个分裂点上方的树形图的上部。 我知道我可以使用函数cut（）指定高度（h）来绘制上半部分。

pdf("hclust_plot2.pdf", width = 40, height = 15)
plot(cut(hcd, h = 0.99)$upper)
dev.off()

我也知道我可以使用dendextend包为k组的树状图绘制颜色。

library(dendextend)
pdf("hclust_plot3.pdf", width = 40, height = 15)
plot(color_branches(hcd, k = 44))
dev.off()

但对于我的数据集，这个树形图太密集，甚至无法读取哪个组是哪种颜色。 有没有办法通过指定k而不是h来仅在切割点上方绘制树形图的上半部分？ 或者有一种方法来获得树形图的h值，给定k？

Answer 1

您可以使用dendextend包中的heights_per_k.dendrogram函数来获得各种k切割的高度。

例如：

## Not run: 
hc <- hclust(dist(USArrests[1:4,]), "ave")
dend <- as.dendrogram(hc)

library(dendextend)
dend_h <- heights_per_k.dendrogram(dend)
par(mfrow = c(1,2))
plot(dend)
plot(dend, ylim = c(dend_h["3"], dend_h["1"]))

在你的情况下：

set.seed(2016-01-16)
df <- as.data.frame(matrix(abs(rnorm(2*20000)), nrow = 20000))
mydist <- dist(df)
my.hc <- hclust(mydist, method = "average")
hcd <- as.dendrogram(my.hc)

library(dendextend)
library(dendextendRcpp)
dend_h <- heights_per_k.dendrogram(hcd) # (this can take some time)
plot(hcd, ylim = c(dend_h["43"], dend_h["1"]))