Python 如何在scipy分层聚类中获取非单例集群ID

根据这一点，我们可以得到非单态集群的标签

我试着用一个简单的例子

import numpy as np
import scipy.cluster.hierarchy
import matplotlib.pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage

mat = np.array([[ 0. , 1. , 3.  ,0. ,2.  ,3.  ,1.],
 [ 1. , 0. , 3. , 1.,  1. , 2. , 2.],
 [ 3.,  3. , 0.,  3. , 3.,  3. , 4.],
 [ 0. , 1. , 3.,  0. , 2. , 3.,  1.],
 [ 2. , 1.,  3. , 2.,  0. , 1.,  3.],
 [ 3. , 2.,  3. , 3. , 1. , 0. , 3.],
 [ 1. , 2.,  4. , 1. , 3.,  3. , 0.]])

def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])


linkage_matrix = linkage(mat, "complete")

dendrogram(linkage_matrix,
           p=4,
           leaf_label_func=llf,
           color_threshold=1,
           truncate_mode='lastp',
           distance_sort='ascending')

plt.show()

将numpy导入为np
导入scipy.cluster.hierarchy
将matplotlib.pyplot作为plt导入
从scipy.cluster.hierarchy导入树状图，链接
mat=np.数组（[[0,1,3,0,2,3,1.]），
[ 1. , 0. , 3. , 1.,  1. , 2. , 2.],
[ 3.,  3. , 0.,  3. , 3.,  3. , 4.],
[ 0. , 1. , 3.,  0. , 2. , 3.,  1.],
[ 2. , 1.,  3. , 2.,  0. , 1.,  3.],
[ 3. , 2.,  3. , 3. , 1. , 0. , 3.],
[ 1. , 2.,  4. , 1. , 3.,  3. , 0.]])
def llf（id）：
如果id

---

什么是n，这里算什么？在下面这样的图表中，我需要知道（3）和（2）下面列出了谁？

我认为文档在这一部分不是很清楚，其中的示例代码甚至不可操作。但很明显，1表示第二次观察，（3）表示该节点中有3次观察

如果你想知道3个OB是什么。在第二个节点中，如果这是您的问题：

In [51]:
D4=dendrogram(linkage_matrix,
              color_threshold=1,
              p=4,
              truncate_mode='lastp',
              distance_sort='ascending')
D7=dendrogram(linkage_matrix,
              color_list=['g',]*7,
              p=7,
              truncate_mode='lastp',
              distance_sort='ascending', no_plot=True)  
from itertools import groupby
[list(group) for key, group in groupby(D7['ivl'],lambda x: x in D4['ivl'])]
Out[51]:
[['1'], ['6', '0', '3'], ['2'], ['4', '5']]

第二个节点包含obs。第7、第1和第4个节点，第2个节点包含第5和第6个观测值