Python 如何从SciPy'；s层次凝聚聚类？

我正在使用SciPy的分层聚集聚类方法对特征的m x n矩阵进行聚类，但在聚类完成后，我似乎无法从结果聚类中获得质心。以下是我的代码：

Y = distance.pdist(features)
Z = hierarchy.linkage(Y, method = "average", metric = "euclidean")
T = hierarchy.fcluster(Z, 100, criterion = "maxclust")

我将获取特征矩阵，计算它们之间的欧几里德距离，然后将它们传递给分层聚类方法。从那里，我创建了平面集群，最多100个集群

---

现在，基于平面簇T，如何获得表示每个平面簇的1 x n质心？

您可以这样做（

D

=维数）：

---

这将为您提供一个以群集编号为键、以特定群集的质心为值的字典。

一个可能的解决方案是使用一个函数，它返回一个带有质心的码本，如

scipy.cluster.vq中的
kmeans
。你唯一需要的是用平面簇
part
和原始观测值
X

def to_codebook(X, part):
    """
    Calculates centroids according to flat cluster assignment

    Parameters
    ----------
    X : array, (n, d)
        The n original observations with d features

    part : array, (n)
        Partition vector. p[n]=c is the cluster assigned to observation n

    Returns
    -------
    codebook : array, (k, d)
        Returns a k x d codebook with k centroids
    """
    codebook = []

    for i in range(part.min(), part.max()+1):
        codebook.append(X[part == i].mean(0))

    return np.vstack(codebook)

那么最后发生了什么？你解决问题了吗？如何使用？我最终使用了scikit learn来实现此功能。请查看scikit中的哪个功能。感谢您的跟进。：）
def to_codebook(X, part):
    """
    Calculates centroids according to flat cluster assignment

    Parameters
    ----------
    X : array, (n, d)
        The n original observations with d features

    part : array, (n)
        Partition vector. p[n]=c is the cluster assigned to observation n

    Returns
    -------
    codebook : array, (k, d)
        Returns a k x d codebook with k centroids
    """
    codebook = []

    for i in range(part.min(), part.max()+1):
        codebook.append(X[part == i].mean(0))

    return np.vstack(codebook)