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

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)