分層聚類 - 圖上的聚類數

Question

我正在繪制一個圖形，但不是在圖形上獲取點，而是希望圖形顯示與這些點對應的集群。 我制作的圖表可以在附件中看到。 因此，我希望它具有與集群相對應的數字，而不是包含點的圖形。 我留下了另一張圖片作為我或多或少想要的例子。 此示例圖表包含相應聚類的編號。 我正在使用層次聚類。 代碼如下。 謝謝你的幫助。

library(readxl)
complete_data <- read_excel('C:/Users/Jovani Souza/Word/Cluster/test2.xlsx') 
nproperty<-dim(complete_data)[2]

coordinates<- complete_data [,1:2] #matrix containing latitude and longitude
d<-dist(coordinates)
fit.average<-hclust(d,method="average") 

#########varying the value of k
mean<-matrix (nrow= nproperty-2,ncol=2)
standard_deviation<-matrix(nrow=npropriedades-2,ncol=2)

for(k in 2:nproperty-1){
clusters<-cutree(fit.average, k) # set the number of k clusters
nclusters<-matrix(table(clusters))  #to indicate how many properties are in each cluster

########inserting column with determination of clusters
complete_data$cluster <- clusters 

#########calculate center of mass
mass_center<-matrix(nrow=k,ncol=2)
for(i in 1:k){
mass_center[i,]<-c(weighted.mean(subset(complete_data,cluster==i)$Latitude,subset(complete_data,cluster==i)$Production),
weighted.mean(subset(complete_data,cluster==i)$Longitude,subset(complete_data,cluster==i)$Production))}

coordinates$cluster<-clusters #including clusters index
mass_center<-cbind(mass_center,matrix(c(1:k),ncol=1)) #including clusters index

###############calculation of clusters coverage, considered as the largest distance between properties and center of mass
coverage<-matrix(nrow=k,ncol=1)
for(i in 1:k){
aux_dist<-pdist(rbind(subset(coordinates, cluster==i),mass_center[i,]))
coverage[i,]<-max(aux_dist[nclusters[i,1]+1,])}

###########Production sum of the clusters
sum_production<-matrix(nrow=k,ncol=1)
for(i in 1:k){
sum_production[i,]<-sum(subset(complete_data,cluster==i)["Production"])
}

###########mean of coverage and biogás
mean[k-1,]<-c(mean(coverage),mean(sum_production)) #ver como nomear colunas
standard_deviation[k-1,]<-c(sd(coverage),sd(sum_production))
}

colnames(mean)<-c("Coverage","Production")
colnames(standard_deviation)<-c("Coverage","Production")

plot(mean)

在此處輸入圖片說明

在此處輸入圖片說明

Answer 1

您沒有提供最小的可重現示例，但以下是一些模擬數據以演示實現此目的的一種方法：

complete_data <- mtcars[, c("mpg", "disp")]
hc <- hclust(dist(complete_data), method="average")
vec <- factor(stats::cutree(hc, k=3))
with(complete_data, plot(disp ~ mpg, type = "n"))
with(complete_data, text(disp ~ mpg, label=vec, col=c("red", "green", "blue")[vec]))

編輯：每個請求：僅繪制點的子集，基於聚類：

complete_data <- mtcars[, c("mpg", "disp")]
hc <- hclust(dist(complete_data), method="average")
complete_data$vec <- factor(stats::cutree(hc, k=10))
with(subset(complete_data, vec %in% 2:8), plot(disp ~ mpg, type = "n"))
with(subset(complete_data, vec %in% 2:8), text(disp ~ mpg, label=vec, col=c("red", "green", "blue")[vec]))

^{由reprex 包(v0.3.0) 於 2020 年 3 月 18 日創建}