重新定位和增加R'生成的树状图周围的边界权重;绘图';功能
我试图使用重新定位和增加R'生成的树状图周围的边界权重;绘图';功能,r,plot,hierarchical-clustering,dendrogram,R,Plot,Hierarchical Clustering,Dendrogram,我试图使用rect.hclust函数将树状图分为三类,但当我导出图形时,它会切断图形底部的边框。此外,我想增加边界的权重,但我不确定如何做到这一点,因为此函数似乎不存在lwd参数。如何修复这些参数 数据: cluster在绘制矩形之前,我将图形边距设置为零,从而绕过了缺少矩形下边缘的问题 矩形的线宽可以通过设置par(lwd)来设置,例如par(lwd=4),如下例所示: cluster当我导出图像时,在尝试您的边距修复后,我仍然会被切断。是否有一种特定的方法可以导出该图形,使其看起来像这样?这
rect.hclust
函数将树状图分为三类,但当我导出图形时,它会切断图形底部的边框。此外,我想增加边界的权重,但我不确定如何做到这一点,因为此函数似乎不存在lwd
参数。如何修复这些参数
数据:
cluster在绘制矩形之前,我将图形边距设置为零,从而绕过了缺少矩形下边缘的问题
矩形的线宽可以通过设置par(lwd)来设置,例如par(lwd=4)
,如下例所示:
cluster当我导出图像时,在尝试您的边距修复后,我仍然会被切断。是否有一种特定的方法可以导出该图形,使其看起来像这样?这可能取决于大小和纵横比。如果您想要矢量图形,请尝试使用pdf(“dendro.pdf”,宽度=8,高度=4)
,如果您想要光栅图形,请尝试使用png(“dendro.png”,宽度=800,高度=400)
。在可复制的示例中,我无法控制图像大小,结果显示为672x480。
cluster <- data.frame(plot=c(1,
2,
3,
4,
5,
6,
7,
8,
9,
10,
11,
12,
13,
14,
15,
16,
17,
18,
19,
20),
meas1 = c(443,
836,
903,
684,
94,
125,
733,
846,
625,
234,
437,
775,
269,
774,
17,
502,
80,
51,
523,
229),
meas2 = c(735,
574,
793,
261,
961,
136,
404,
138,
45,
935,
698,
675,
594,
497,
152,
153,
30,
667,
547,
745),
meas3 = c(23,
526,
36,
93,
708,
970,
399,
111,
456,
439,
569,
503,
337,
213,
399,
850,
614,
491,
28,
452))
#Generate distance matrix
dist_mat <- dist(cluster, method = 'euclidean')
#Hierarchical clustering
hclust_avg <- hclust(dist_mat, method = 'average')
#Cut into 3 classes
cut_avg <- cutree(hclust_avg, k = 3)
#Plot dendrogram
plot(hclust_avg, xlab = "", ylab = "Euclidean Distance", sub = "",
main = "Cluster Dendrogram", lwd = 2)
#Generate borders around each group
rect.hclust(hclust_avg, k=3, border = 2:6)