Jak uzyskać subtrees of dendrogram przez scipy.cluster.hierarchy

Question

Miałem zamieszanie dotyczące tego modułu (scipy.cluster.hierarchy) ... i nadal mają niektóre!

Na przykład mamy następujący dendrogram:

Moje pytanie brzmi: w jaki sposób można wyodrębnić kolorowych poddrzewa (każdy z nich reprezentuje klaster) w ładnej formie, powiedzmy Format SIF? Teraz kod, aby uzyskać wykres powyżej:

import scipy 
import scipy.cluster.hierarchy as sch 
import matplotlib.pylab as plt 

scipy.randn(100,2) 

d = sch.distance.pdist(X) 

Z= sch.linkage(d,method='complete') 

P =sch.dendrogram(Z) 

plt.savefig('plot_dendrogram.png') 

T = sch.fcluster(Z, 0.5*d.max(), 'distance') 
#array([4, 5, 3, 2, 2, 3, 5, 2, 2, 5, 2, 2, 2, 3, 2, 3, 2, 5, 4, 5, 2, 5, 2, 
#  3, 3, 3, 1, 3, 4, 2, 2, 4, 2, 4, 3, 3, 2, 5, 5, 5, 3, 2, 2, 2, 5, 4, 
#  2, 4, 2, 2, 5, 5, 1, 2, 3, 2, 2, 5, 4, 2, 5, 4, 3, 5, 4, 4, 2, 2, 2, 
#  4, 2, 5, 2, 2, 3, 3, 2, 4, 5, 3, 4, 4, 2, 1, 5, 4, 2, 2, 5, 5, 2, 2, 
#  5, 5, 5, 4, 3, 3, 2, 4], dtype=int32) 

sch.leaders(Z,T) 
# (array([190, 191, 182, 193, 194], dtype=int32), 
# array([2, 3, 1, 4,5],dtype=int32)) 

Więc teraz, wyjście fcluster() daje grupowanie węzłów (według ich identyfikatorów) i leaders() opisane here ma powrócić 2 tablice:

• pierwsza zawiera węzły lider klastrów generowanych przez z, tutaj widzimy, mamy 5 klastrów, jak również działki

• a drugi z identyfikatorów z te klastry:

Więc jeśli ten lider() zwróci resp. L i M: L[2]=182 i M[2]=1, wówczas klaster 1 jest prowadzony przez identyfikator węzła 182, który nie istnieje w zestawie obserwacji X, dokumentacja mówi "... wtedy odpowiada klastrze nie singleton". Ale nie mogę tego uzyskać ...

Przekonwertowałem również Z na drzewo przez sch.to_tree(Z), które zwróci łatwy w użyciu obiekt drzewa, który chcę wizualizować, ale które narzędzie powinienem użyć jako platforma graficzna, która manipuluje takimi obiektami drzewa jako danymi wejściowymi?

Answer 1

Odpowiadając na część pytania dotyczące manipulacji drzewa ...

Jak wyjaśniono w aother answer można odczytać współrzędne oddziałach czytanie icoord i dcoord z obiektu drzewa. Dla każdego oddziału skoordynowane są podane od lewej do prawej.

Jeśli chcesz ręcznie wykreślić drzewa można użyć coś takiego:

def plot_tree(P, pos=None): 
    icoord = scipy.array(P['icoord']) 
    dcoord = scipy.array(P['dcoord']) 
    color_list = scipy.array(P['color_list']) 
    xmin, xmax = icoord.min(), icoord.max() 
    ymin, ymax = dcoord.min(), dcoord.max() 
    if pos: 
     icoord = icoord[pos] 
     dcoord = dcoord[pos] 
     color_list = color_list[pos] 
    for xs, ys, color in zip(icoord, dcoord, color_list): 
     plt.plot(xs, ys, color) 
    plt.xlim(xmin-10, xmax + 0.1*abs(xmax)) 
    plt.ylim(ymin, ymax + 0.1*abs(ymax)) 
    plt.show() 

Jeżeli w kodzie, plot_tree(P) daje:

Funkcja umożliwia wybranie tylko niektóre oddziały:

plot_tree(P, range(10)) 

Teraz musisz wiedzieć, które gałęzie do spisku.Może wyjście fcluster() jest trochę niejasne i inny sposób, aby dowiedzieć się, jakie gałęzie działki w oparciu o minimalną i maksymalną tolerancją na odległość będzie za pomocą wyjścia linkage() bezpośrednio (Z w przypadku, gdy OP):

dmin = 0.2 
dmax = 0.3 
pos = scipy.all((Z[:,2] >= dmin, Z[:,2] <= dmax), axis=0).nonzero() 
plot_tree(P, pos) 

Zalecane referencje:

• How does condensed distance matrix work? (pdist)
• how to plot and annotate hierarchical clustering dendrograms in scipy/matplotlib