Print all clusters and samples at each step of hierarchical clustering in python(在Python中打印每个层次聚类步骤中的所有聚类和样本)
本文介绍了在Python中打印每个层次聚类步骤中的所有聚类和样本的处理方法,对大家解决问题具有一定的参考价值,需要的朋友们下面随着小编来一起学习吧!
问题描述
我使用Scipy库执行层次聚类并创建树形图。以下是简单的代码和生成的树状图:
import numpy as np
from scipy.cluster.hierarchy import dendrogram, linkage
from matplotlib import pyplot as plt
X = np.array([[5, 3],
[10, 15],
[15, 12],
[24, 10],
[30, 30],
[85, 70],
[71, 80],
[60, 78],
[70, 55],
[80, 91]])
linkage_matrix = linkage(X, "single")
_ = dendrogram(linkage_matrix,)
我需要在集群过程的每个步骤打印属于每个集群的所有集群和样本。以下是上述数据和树状图的预期输出:
[{0}, {1}, {2}, {3}, {4}, {5}, {6}, {7}, {8}, {9}]
[{0}, {1, 2}, {3}, {4}, {5}, {6}, {7}, {8}, {9}]
[{0}, {1, 2, 3}, {4}, {5}, {6}, {7}, {8}, {9}]
[{0}, {1, 2, 3}, {4}, {5}, {6, 7}, {8}, {9}]
[{0, 1, 2, 3}, {4}, {5}, {6, 7}, {8}, {9}]
[{0, 1, 2, 3}, {4}, {5}, {6, 7, 9}, {8}]
[{0, 1, 2, 3}, {4}, {5, 6, 7, 9}, {8}]
[{0, 1, 2, 3, 4}, {5, 6, 7, 9}, {8}]
[{0, 1, 2, 3, 4}, {5, 6, 7, 9, 8}]
[{0, 1, 2, 3, 4, 5, 6, 7, 9, 8}]
请注意,如果有使用Scikit-Learn agglomerative clustering的解决方案也可以。
推荐答案
使用同一模块中的cut_tree
函数,指定簇数为Cut条件。遗憾的是,在每个元素都是它自己的集群的情况下,它不会被切断,但这种情况很容易添加。
此外,从cut_tree
返回的矩阵的形状是这样的,即每个列表示某个切点处的组。所以我转置了矩阵,但您也可以相应地调整for循环。
import numpy as np
from scipy.cluster.hierarchy import dendrogram, linkage, to_tree, cut_tree
from matplotlib import pyplot as plt
X = np.array([[5, 3],
[10, 15],
[15, 12],
[24, 10],
[30, 30],
[85, 70],
[71, 80],
[60, 78],
[70, 55],
[80, 91]])
linkage_matrix = linkage(X, "single")
clusters = cut_tree(linkage_matrix, n_clusters=range(1, X.shape[0]))
print(clusters)
# insert column for the case, where every element is its own cluster
clusters = np.insert(clusters, clusters.shape[1], range(clusters.shape[0]), axis=1)
# transpose matrix
clusters = clusters.T
print(clusters)
for row in clusters[::-1]:
# create empty dictionary
groups = {}
for i, g in enumerate(row):
if g not in groups:
# add new key to dict and assign empty set
groups[g] = set([])
# add to set of certain group
groups[g].add(i)
print(list(groups.values()))
更好的解决方案
不是两个for循环和cut_tree
,而是使用集合上的操作和LINKINK_MATRATE中的信息。For循环以线性时间复杂性运行,但最耗时的将是print
语句
对于大约30_000个样本,打印到文件将创建大约30 GB的大文件。
linkage_matrix = linkage(X, "single")
dct = dict([(i, {i}) for i in range(X.shape[0])])
print(list(dct.values()))
for i, row in enumerate(linkage_matrix, X.shape[0]):
dct[i] = dct[row[0]].union(dct[row[1]])
del dct[row[0]]
del dct[row[1]]
print(list(dct.values()))
这篇关于在Python中打印每个层次聚类步骤中的所有聚类和样本的文章就介绍到这了,希望我们推荐的答案对大家有所帮助,也希望大家多多支持编程学习网!
沃梦达教程
本文标题为:在Python中打印每个层次聚类步骤中的所有聚类和样本
基础教程推荐
猜你喜欢
- Python 的 List 是如何实现的? 2022-01-01
- 如何在Python中绘制多元函数? 2022-01-01
- 哪些 Python 包提供独立的事件系统? 2022-01-01
- 合并具有多索引的两个数据帧 2022-01-01
- 使用 Google App Engine (Python) 将文件上传到 Google Cloud Storage 2022-01-01
- 使 Python 脚本在 Windows 上运行而不指定“.py";延期 2022-01-01
- 症状类型错误:无法确定关系的真值 2022-01-01
- 如何在 Python 中检测文件是否为二进制(非文本)文 2022-01-01
- 将 YAML 文件转换为 python dict 2022-01-01
- 使用Python匹配Stata加权xtil命令的确定方法? 2022-01-01