Python 如何读取scipy层次结构集群的内容

我有下面的代码，我用它进行分层聚类。我的数据对象是我先前计算的相似距离数组。我认为我正确地执行了集群。我以为我可以得到集群的叶子，但当我将其与原始输入进行比较时，我得到了一个不匹配的结果

我这里有两个问题：

为什么集群的叶子和实际输入数据不匹配

如何通过链接矩阵或clusternodes从簇中提取原始数据

import numpy as np
import pandas
import scipy.cluster.hierarchy as sch

def list_difference(list1, list2):
    return [value for value in list1 if value not in list2]


if __name__ == '__main__':

    # example data for this questions purpose.
    data = [10, 11, 29, 288, 16]

    X = np.array([[i] for i in data])
    linkage_matrix = sch.average(X)
    rootnode, nodelist = sch.to_tree(linkage_matrix, rd=True)

    leaves = sch.leaves_list(linkage_matrix)
    print(list_difference(leaves, data))

我要检索每个群集的原始数据点。

给定您的数据

data = [10, 11, 29, 288, 16]

结果与树状图一致

sch.dendrogram(linkage_matrix);

通过分析链接矩阵，我们可以确认

print(linkage_matrix)

array([[  0.        ,   1.        ,   1.        ,   2.        ],
       [  4.        ,   5.        ,   5.5       ,   3.        ],
       [  2.        ,   6.        ,  16.66666667,   4.        ],
       [  3.        ,   7.        , 271.5       ,   5.        ]])

一排一排地

• 元素0和元素1，在具有2个元素的簇中距离为1（该簇将称为5）
• 元素4和聚集元素5（上一个），距离为5.5和3个元素（此群集称为6）
• 元素2和聚集元素6（上一个），距离为16.667和4个元素（此群集称为7）
• 元素3与群集元素7（上一个），距离271.5和5个元素

---

请修复您的代码我更新了代码。谢谢您的回答！现在这很有意义！！那么，您如何推断第一个簇将被称为5，并且只有链接矩阵作为输入数据？YVW。第一个集群将被称为5（在本例中），因为您有5个元素{0,1,2,3,4}。所以“下一个可用名称”是5。第二个集群将被称为6，依此类推，直到第pth集群。假设有n个元素，pth簇称为（n-1）+p，p=[1,2，…]。仅使用链接矩阵，您可以看到5是一个集群名称（即使您不知道元素的数量），因为它包含两个以上的元素。对不起，我的意思是“因为它所聚集的集群包含两个以上的元素”