R圖基於k的上部樹狀圖

Question

我正在使用hclust（）基於R中的20,000行x 169列數據集對距離矩陣進行聚類。 當我將簇對象轉換為樹形圖並繪制整個樹形圖時，很難讀取它，因為它太大了，即使我將它輸出到相當大的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()

我想指定截斷樹形圖的簇數（k），然后僅繪制在k個分裂點上方的樹形圖的上部。 我知道我可以使用函數cut（）指定高度（h）來繪制上半部分。

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包為k組的樹狀圖繪制顏色。

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

但對於我的數據集，這個樹形圖太密集，甚至無法讀取哪個組是哪種顏色。 有沒有辦法通過指定k而不是h來僅在切割點上方繪制樹形圖的上半部分？ 或者有一種方法來獲得樹形圖的h值，給定k？

Answer 1

您可以使用dendextend包中的heights_per_k.dendrogram函數來獲得各種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"]))

在你的情況下：

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"]))