如何在scipy创建的树形图中获得与颜色簇相对应的平面聚类

Question

使用这里发布的代码，我创建了一个很好的层次聚类：

让我们说左边的树状图是通过做类似的东西来创建的

Y = sch.linkage(D, method='average') # D is a distance matrix
cutoff = 0.5*max(Y[:,2])
Z = sch.dendrogram(Y, orientation='right', color_threshold=cutoff)

现在我如何获得每个彩色簇的成员的索引？ 要简化这种情况，请忽略顶部的聚类，并仅关注矩阵左侧的树形图。

该信息应存储在树形图Z存储变量中。 有一个函数应该做我想要的fcluster （参见此处的文档）。 但是我无法看到我在哪里可以给fcluster提供与我在树形图创建中指定的相同的cutoff 。 似乎fcluster中的阈值变量t必须是各种模糊测量值（ inconsistent ， distance ， maxclust ，单monocrit ）。 有任何想法吗？

Answer 1

我认为你走在正确的轨道上。 我们试试这个：

import scipy
import scipy.cluster.hierarchy as sch
X = scipy.randn(100, 2)     # 100 2-dimensional observations
d = sch.distance.pdist(X)   # vector of (100 choose 2) pairwise distances
L = sch.linkage(d, method='complete')
ind = sch.fcluster(L, 0.5*d.max(), 'distance')

ind将为100个输入观察中的每一个提供聚类索引。 ind取决于您在linkage使用的method 。 尝试method=single ， complete和average 。 然后注意ind如何不同。

例：

In [59]: L = sch.linkage(d, method='complete')

In [60]: sch.fcluster(L, 0.5*d.max(), 'distance')
Out[60]: 
array([5, 4, 2, 2, 5, 5, 1, 5, 5, 2, 5, 2, 5, 5, 1, 1, 5, 5, 4, 2, 5, 2, 5,
       2, 5, 3, 5, 3, 5, 5, 5, 5, 5, 5, 5, 2, 2, 5, 5, 4, 1, 4, 5, 2, 1, 4,
       2, 4, 2, 2, 5, 5, 5, 2, 5, 5, 3, 5, 5, 4, 5, 4, 5, 3, 5, 3, 5, 5, 5,
       2, 3, 5, 5, 4, 5, 5, 2, 2, 5, 2, 2, 4, 1, 2, 1, 5, 2, 5, 5, 5, 1, 5,
       4, 2, 4, 5, 2, 4, 4, 2])

In [61]: L = sch.linkage(d, method='single')

In [62]: sch.fcluster(L, 0.5*d.max(), 'distance')
Out[62]: 
array([1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
       1, 1, 1, 1, 1, 1, 1, 1])

scipy.cluster.hierarchy肯定令人困惑。 在你的链接中，我甚至不认识我自己的代码！

Answer 2

我写了一些代码去解除链接矩阵。 它返回一个字典，其中包含按每个聚集步骤分组的labels索引。 我只是尝试了complete链接簇的结果。 dict的键从len(labels)+1开始，因为最初，每个标签都被视为自己的簇。 这可以回答你的问题。

import pandas as pd
import numpy as np
from scipy.cluster.hierarchy import linkage

np.random.seed(123)
labels = ['ID_0','ID_1','ID_2','ID_3','ID_4']

X = np.corrcoef(np.random.random_sample([5,3])*10)
row_clusters = linkage(x_corr, method='complete')    

def extract_levels(row_clusters, labels):
    clusters = {}
    for row in xrange(row_clusters.shape[0]):
        cluster_n = row + len(labels)
        # which clusters / labels are present in this row
        glob1, glob2 = row_clusters[row, 0], row_clusters[row, 1]

        # if this is a cluster, pull the cluster
        this_clust = []
        for glob in [glob1, glob2]:
            if glob > (len(labels)-1):
                this_clust += clusters[glob]
            # if it isn't, add the label to this cluster
            else:
                this_clust.append(glob)

        clusters[cluster_n] = this_clust
    return clusters

返回：

{5: [0.0, 2.0],
 6: [3.0, 4.0],
 7: [1.0, 0.0, 2.0],
 8: [3.0, 4.0, 1.0, 0.0, 2.0]}

Answer 3

我知道这是非常晚的比赛，但我做了基于从职位的代码绘制对象这里 。 它是在pip上注册的，所以要安装你只需要打电话

pip install pydendroheatmap

在这里查看项目的github页面： https ： //github.com/themantalope/pydendroheatmap

Answer 4

你也可以尝试cut_tree ，它有一个height参数，可以为你提供你想要的ultrametrics。