抱歉,因为我昨天问了一个类似的问题,但我觉得我的问题缺乏内容,希望现在能更容易理解
我有一个个体间成对距离的对称矩阵(见下文),我想以一种方式对个体组进行聚类,使一个集群的所有成员的成对距离为零。我使用不同的链接方法和聚类标准应用了scipy.cluster.hierarchy,但没有得到预期的结果。在下面的例子中,我认为ind5不应该是集群#1的一部分,因为它到ind9的距离是1而不是0
from scipy.cluster.hierarchy import linkage, fcluster
from scipy.spatial.distance import squareform
import numpy as np
import pandas as pd
df = pd.read_csv(infile1, sep = '\t', index_col = 0)
print(df)
ind1 ind2 ind3 ind4 ind5 ind6 ind7 ind8 ind9
ind1 0 29 27 1 2 1 2 1 1
ind2 29 0 2 30 31 29 31 30 30
ind3 27 2 0 28 29 27 29 28 28
ind4 1 30 28 0 0 0 1 2 0
ind5 2 31 29 0 0 0 2 2 1
ind6 1 29 27 0 0 0 1 2 0
ind7 2 31 29 1 2 1 0 3 1
ind8 1 30 28 2 2 2 3 0 2
ind9 1 30 28 0 1 0 1 2 0
X = squareform(df.to_numpy())
print(X)
[29 27 1 2 1 2 1 1 2 30 31 29 31 30 30 28 29 27 29 28 28 0 0 1
2 0 0 2 2 1 1 2 0 3 1 2]
Z = linkage(X, 'single')
print(Z)
[[ 3. 4. 0. 2.]
[ 5. 9. 0. 3.]
[ 8. 10. 0. 4.]
[ 0. 11. 1. 5.]
[ 6. 12. 1. 6.]
[ 7. 13. 1. 7.]
[ 1. 2. 2. 2.]
[14. 15. 27. 9.]]
max_d = 0
clusters = fcluster(Z, max_d, criterion='distance')
sample_list = df.index.to_list()
clust_name_list = clusters.tolist()
result = pd.DataFrame({'Inds': sample_list, 'Clusters': clust_name_list})
print(result)
Inds Clusters
0 ind1 2
1 ind2 5
2 ind3 6
3 ind4 1
4 ind5 1
5 ind6 1
6 ind7 3
7 ind8 4
8 ind9 1
我希望更熟悉这些方法的任何人都能提出建议,是否有任何链接方法可以将距离大于;0到群集中至少一个其他元素
谢谢你的帮助
冈萨洛
你的解决方案是正确的
您将获得以下群集:
根据需要,只有距离为0的图元才会聚集在簇1中。簇2到簇6是简并簇,具有单个孤立元素
让我们修改距离,以便创建更合适的簇:
获取:
您可以将问题重新解释为graph中的问题查找cliques。通过将距离0解释为在两个节点之间创建边,可以从距离矩阵中获得图形。一旦你有了这个图,你就可以使用networkx(或者其他一些图论库)在图中找到派系。图中的派系将是一组节点,其中所有派系中的成对距离为0
这是您的距离矩阵(但请注意,您的距离不满足三角形不等式):
将距离矩阵转换为邻接矩阵
A
:创建networkx图} 查找派系:
G
,并用^{(列表中的值是索引;例如,集团
[2]
对应于标签集['ind3']
。)请注意,有两个非平凡的派系,[3,5,8]和[3,5,4],其中3和5都出现。这是距离具有此异常数据的结果:距离(ind5,ind4)=0,距离(ind4,ind9)=0,但距离(ind5,ind9)=1(即triangle inequality不满足)。因此,根据您对“集群”的定义,有两种可能的非平凡集群:[ind4,ind5,ind9]或[ind4,ind5,ind6]
最后,请注意networkx documentation中的警告:“在图中查找最大团是NP完全问题,因此大多数算法的运行时间都是指数级的”。如果距离矩阵很大,则此计算可能需要很长时间
相关问题 更多 >
编程相关推荐