Python:Dendogram和Scipy不´；行不通

我想使用scipy的dendogram。 我有以下数据：

我有一张有七种不同方法的清单。例如：

Y = [71.407452200146807, 0, 33.700136456196823, 1112.3757110973756, 31.594949722819372, 34.823881975554166, 28.36368420190157]

X = ["user1", "user2", "user3", "user4", "user5", "user6", "user7"]

为不同的用户计算每个平均值。例如：

Y = [71.407452200146807, 0, 33.700136456196823, 1112.3757110973756, 31.594949722819372, 34.823881975554166, 28.36368420190157]

X = ["user1", "user2", "user3", "user4", "user5", "user6", "user7"]

我的目标是在dendorgram的帮助下显示上述数据

我尝试了以下方法：

Y = [71.407452200146807, 0, 33.700136456196823, 1112.3757110973756, 31.594949722819372, 34.823881975554166, 28.36368420190157]
X = ["user1", "user2", "user3", "user4", "user5", "user6", "user7"]

# Attempt with matrix
#X = np.concatenate((X, Y),)
#Z = linkage(X)

Z = linkage(Y)
# Plot the dendogram with the results above
dendrogram(Z, leaf_rotation=45., leaf_font_size=12. , show_contracted=True)
plt.style.use("seaborn-whitegrid")
plt.title("Dendogram to find clusters")
plt.ylabel("Distance")
plt.show()

但它说：

ValueError：压缩距离矩阵“y”的长度n必须是一个二项式系数，即必须有一个k，使得（k\choose 2）=n）

我已经尝试将我的数据转换成矩阵。与：

# Attempt with matrix
#X = np.concatenate((X, Y),)
#Z = linkage(X)

但这也不行

有什么建议吗

---

谢谢：-）

所以您在

Y

len（Y）=7中使用了7个观察值

但根据的文件，观察次数

len（Y）

应为

{n \choose 2} = len(Y)

也就是说

1/2 * (n -1) * n = len(Y)

所以Y的长度应该是n是一个有效的整数。

的第一个参数要么是一个nxm数组，表示m维空间中的n个点，要么是一个包含。这是两个截然不同的意思！第一个是“原始数据”，即“观察”。第二种格式假定您已经计算了观测值之间的所有距离，并且您将这些距离提供给

链接

，而不是原始点

看起来您需要第一个案例（原始数据），m=1。因此，您必须重塑输入以获得形状（n，1）

替换此项：

Z = linkage(Y)

与：

---

到目前为止，我通过阅读文档了解到的是

y必须是（n | 2）大小的向量

。我试过你的代码，如果

len（Y）

是15，它就可以工作了。想弄明白为什么它不能用在比这更小的东西上。听起来很奇怪。但这实际上是一个用例，不是吗？应该有可能构建具有“相同”意思的用户集群。你是对的。我扩展了我的Y，它工作了。不幸的是，丹道图看起来很奇怪。只有一个集群。扩展我的Y轴的正确方法是什么？我试图用相同的值再次扩展它。。比如

Y.extend（Y）

而不是计算平均值，我使用了原始值。因此，我的Y更大。这对我有用：-）多亏了

linkage

的第一个参数的意义取决于参数的维数。当其为一维时，值被解释为点之间的成对距离，存储在压缩排列中，而不是点（即观察值）本身。说观察值的数量应该是

{n\choose 2}

是不正确的。这应该是答案，因为我们不必修改数据的长度