Matrix 将距离矩阵可视化为图形

我正在做一个聚类任务，我有一个距离矩阵。我希望将这个距离矩阵可视化为2D图形。请让我知道是否有任何方法可以在线或使用像R或python这样的编程语言来完成。 我的距离矩阵如下所示， 我使用了经典的多维缩放功能（在R中）并获得了一个2D图，该图如下所示： 但我要找的是一个节点和加权边在它们之间运行的图。

可能性1 我假设您需要一个二维图，其中节点位置之间的距离与表中提供的距离相同

在python中，您可以对此类应用程序使用

networkx

。一般来说，有很多这样做的方法，请记住，所有这些方法都只是近似值（因为在一般情况下，不可能根据点的成对距离创建点的二维表示），它们是某种应力最小化（或能量最小化）近似值，试图找到“合理的”与提供的距离相似的表示

作为一个例子，你可以考虑一个四点的例子（用正确的，离散的度量）：

通常，绘制实际的“图形”是多余的，因为您已经完全连接了一个（每对节点都是连接的），所以只绘制点就足够了

在R你可以试试

---

您没有提到是否需要二维图形。我想你想在二维上建立一个图形，因为你需要它来可视化。考虑到您必须意识到，对于大多数图形来说，这根本是不可能的

可能可以做的是，以某种方式近似距离矩阵中的值，比如小值具有相对小的边，大值具有相对大的长度

考虑到所有先前的考虑，一个选择是。参见neato功能。

---

一般来说，您感兴趣的是力导向绘图。请参阅以获取更多参考。

您可以使用d3js力定向图并配置节点之间的距离。d3js force layout具有一些集群功能，可以分离距离相似的节点。以下是一个示例，其中值为节点之间的距离：

另一种可视化方法是在节点之间使用相同的距离，但使用不同的线厚度。在这种情况下，您需要根据以下值计算笔划宽度：

.style("stroke-width", function(d) { return Math.sqrt(d.value / 50); });

---

（MDS）正是您想要的。有关更多信息，请参阅和。

networkx是否与python 2.7不兼容？我得到了以下错误：（文件“test.py”，第16行，在G=nx.to_agraph（G）文件“/usr/local/lib/python2.7/dist packages/networkx/drawing/nx_agraph.py”，第134行，在to_agraph（不适用于Python3）”中），它可以与python 2.7一起工作。请尝试安装此功能的哪个组件uses@Anony-Mousse：我尝试了答案中提到的很多东西（比如python代码片段——都是徒劳的）。我希望我能很快让python代码正常工作。同时，我也在做一些阅读（关于我的工作），所以如果你想让我尽快更新这篇文章/接受答案，这是不可能的。好吧，MDS图是一个好的开始。然后添加Delauney三角剖分或使用其他启发式方法添加边。好的，注意，当我能够获得边时，我将更新此问题。感谢您的回答，这不是我想要的，但看起来很有趣。我想将该矩阵可视化为一个图，其中节点和加权边在节点之间运行。此外，我还发现了一个MDS的R示例实现。我将很快向你进一步通报这方面的最新情况。

import networkx as nx
import numpy as np
import string

dt = [('len', float)]
A = np.array([(0, 0.3, 0.4, 0.7),
               (0.3, 0, 0.9, 0.2),
               (0.4, 0.9, 0, 0.1),
               (0.7, 0.2, 0.1, 0)
               ])*10
A = A.view(dt)

G = nx.from_numpy_matrix(A)
G = nx.relabel_nodes(G, dict(zip(range(len(G.nodes())),string.ascii_uppercase)))    

G = nx.to_agraph(G)

G.node_attr.update(color="red", style="filled")
G.edge_attr.update(color="blue", width="2.0")

G.draw('distances.png', format='png', prog='neato')

# Classical MDS
# N rows (objects) x p columns (variables)
# each row identified by a unique row name

d <- dist(mydata) # euclidean distances between the rows
fit <- cmdscale(d,eig=TRUE, k=2) # k is the number of dim
fit # view results

# plot solution 
x <- fit$points[,1]
y <- fit$points[,2]
plot(x, y, xlab="Coordinate 1", ylab="Coordinate 2", 
  main="Metric  MDS",    type="n")
text(x, y, labels = row.names(mydata), cex=.7)

import networkx as nx   

# Create a graph
G = nx.Graph()

# distances
D = [ [0, 1], [1, 0] ]

labels = {}
for n in range(len(D)):
    for m in range(len(D)-(n+1)):
        G.add_edge(n,n+m+1)
        labels[ (n,n+m+1) ] = str(D[n][n+m+1])

pos=nx.spring_layout(G)

nx.draw(G, pos)
nx.draw_networkx_edge_labels(G,pos,edge_labels=labels,font_size=30)

import pylab as plt
plt.show()

.style("stroke-width", function(d) { return Math.sqrt(d.value / 50); });