使用 dendextend colour_branches 時未顯示 groupLabels

Question

我要實現的工作流程是：

dm <- dist(data)
dend <- hclust(dm)
k <- stats::cutree(dend, k = 10)
data$clusters <- k
plot(hclust, colorBranchees = k) #???? What I can use here.

所以我使用cutree output搜索了彩色樹狀圖分支。 我發現的只是dendextend 。

問題是我無法使用dendextend實施工作流程。

這就是我想出的，但我現在想顯示clusterLabels

library(dendextend)
hc <- hclust(dist(USArrests))
dend <- as.dendrogram(hc)

kcl <- dendextend::cutree(dend, k = 4)
dend1 <- color_branches(dend, clusters = kcl[order.dendrogram(dend)], groupLabels = TRUE)%>% set("labels_cex", 1)
plot(dend1, main = "Dendrogram dist JK")

此外，嘗試類似groupLabels = 1:4也無濟於事。

使用參數k （o 簇的數量）指定 groupLable 確實有效。 但不幸的是，標簽與dendextend自己的cutree方法生成的標簽不同。

請注意，此處集群 4 有 2 個成員。

> table(kcl)
kcl
 1  2  3  4 
14 14 20  2

這篇文章建議使用dendextend::cutree(dend,k = nrCluster, order_clusters_as_data = FALSE) r dendrogram - groupLabels 與真實標簽不匹配（dendextend 包）

但是后來我不能使用dendextend::cutree的 output 對數據進行分組（因為排序不匹配。

我很樂意在 R 中使用不同的樹狀圖繪圖庫，但到目前為止，我的 Web 搜索“通過 cutree 輸出着色樹狀圖分支”指向 Dendextend ZEFE90A8E603A67C840D8Z8D。

Answer 1

很抱歉，但我不確定我是否完全理解你的問題。

您似乎想在 curtree 的 output 和原始數據之間對齊。 如果是這種情況，那么您需要使用dendextend::cutree(dend,k = nrCluster, order_clusters_as_data = TRUE)例如：

require(dendextend)
d1 <- USArrests[1:10,]
hc <- hclust(dist(d1))
dend <- as.dendrogram(hc)
k <- dendextend::cutree(dend, k = 3, order_clusters_as_data = TRUE)
d2 <- cbind(d1, k)
plot(color_branches(dend, 3))
d2
# an easier way to see the clusters is by ordering the rows of the data based on the order of the dendrogram
d2[order.dendrogram(dend),]

plot 很好：

並且集群正確映射到數據（見輸出）

> require(dendextend)
> d1 <- USArrests[1:10,]
> hc <- hclust(dist(d1))
> dend <- as.dendrogram(hc)
> k <- dendextend::cutree(dend, k = 3, order_clusters_as_data = TRUE)
> d2 <- cbind(d1, k)
> plot(color_branches(dend, 3))
> d2
            Murder Assault UrbanPop Rape k
Alabama       13.2     236       58 21.2 1
Alaska        10.0     263       48 44.5 1
Arizona        8.1     294       80 31.0 2
Arkansas       8.8     190       50 19.5 1
California     9.0     276       91 40.6 2
Colorado       7.9     204       78 38.7 1
Connecticut    3.3     110       77 11.1 3
Delaware       5.9     238       72 15.8 1
Florida       15.4     335       80 31.9 2
Georgia       17.4     211       60 25.8 1
> # an easier way to see the clusters is by ordering the rows of the data based on the order of the dendrogram
> d2[order.dendrogram(dend),]
            Murder Assault UrbanPop Rape k
Connecticut    3.3     110       77 11.1 3
Florida       15.4     335       80 31.9 2
Arizona        8.1     294       80 31.0 2
California     9.0     276       91 40.6 2
Arkansas       8.8     190       50 19.5 1
Colorado       7.9     204       78 38.7 1
Georgia       17.4     211       60 25.8 1
Alaska        10.0     263       48 44.5 1
Alabama       13.2     236       58 21.2 1
Delaware       5.9     238       72 15.8 1

如果這回答了您的問題或者您在此處有后續問題，請 LMK。