我对一个大型数据集进行了聚类,并发现了 6 个我有兴趣进行更深入分析的聚类。
我找到了使用带有“ward.D”方法的 hclust 的集群,我想知道是否有办法从 hclust/dendrogram 对象中获取“子树”。
例如
library(gplots)
library(dendextend)
data <- iris[,1:4]
distance <- dist(data, method = "euclidean", diag = FALSE, upper = FALSE)
hc <- hclust(distance, method = 'ward.D')
dnd <- as.dendrogram(hc)
plot(dnd) # to decide the number of clusters
clusters <- cutree(dnd, k = 6)
我用过
cutree
获取数据集中每一行的标签。我知道我可以通过以下方式获取每个相应集群(例如集群 1)的数据:
c1_data = data[clusters == 1,]
是否有任何简单的方法可以获取
dendextend::cutree
返回的每个相应标签的子树? ?例如,假设我对获得我知道我可以访问树状图的分支做类似的事情
subtree <- dnd[[1]][[2]
但是我如何才能准确地获得与集群 1 相对应的子树呢?
我试过了
dnd[clusters == 1]
但这当然行不通。那么如何根据cutree返回的标签获取子树呢?
最佳答案
================ 更新的答案
现在可以使用 get_subdendrograms
解决这个问题。来自 dendextend
.
# needed packages:
# install.packages(gplots)
# install.packages(viridis)
# install.packages(devtools)
# devtools::install_github('talgalili/dendextend') # dendextend from github
# define dendrogram object to play with:
dend <- iris[,-5] %>% dist %>% hclust %>% as.dendrogram %>% set("labels_to_character") %>% color_branches(k=5)
dend_list <- get_subdendrograms(dend, 5)
# Plotting the result
par(mfrow = c(2,3))
plot(dend, main = "Original dendrogram")
sapply(dend_list, plot)
这也可以在热图中使用:
# plot a heatmap of only one of the sub dendrograms
par(mfrow = c(1,1))
library(gplots)
sub_dend <- dend_list[[1]] # get the sub dendrogram
# make sure of the size of the dend
nleaves(sub_dend)
length(order.dendrogram(sub_dend))
# get the subset of the data
subset_iris <- as.matrix(iris[order.dendrogram(sub_dend),-5])
# update the dendrogram's internal order so to not cause an error in heatmap.2
order.dendrogram(sub_dend) <- rank(order.dendrogram(sub_dend))
heatmap.2(subset_iris, Rowv = sub_dend, trace = "none", col = viridis::viridis(100))
================ 旧答案
我认为对您有帮助的是这两个功能:
第一个只是遍历所有集群并提取子结构。这个需要:
dendrogram
我们想要从中获取子树状图的对象 cutree
返回)返回子树状图列表。
extractDendrograms <- function(dendr, clusters){
lapply(unique(clusters), function(clust.id){
getSubDendrogram(dendr, which(clusters==clust.id))
})
}
第二个执行深度优先搜索以确定集群存在于哪个子树中,如果它与完整集群匹配,则返回它。在这里,我们假设一个集群的所有元素都在一个子树中。这个需要:
返回对应于给定元素簇的子树状图。
getSubDendrogram<-function(dendr, my.clust){
if(all(unlist(dendr) %in% my.clust))
return(dendr)
if(any(unlist(dendr[[1]]) %in% my.clust ))
return(getSubDendrogram(dendr[[1]], my.clust))
else
return(getSubDendrogram(dendr[[2]], my.clust))
}
使用这两个函数,我们可以使用您在问题中提供的变量并获得以下输出。 (我认为该行
clusters <- cutree(dnd, k = 6)
应该是 clusters <- cutree(hc, k = 6)
)my.sub.dendrograms <- extractDendrograms(dnd, clusters)
绘制列表中的所有六个元素给出所有子树状图
编辑
正如评论中所建议的,我添加了一个函数,该函数作为输入采用树状图
dend
和子树的数量k
,但它仍然使用之前定义的递归函数 getSubDendrogram
:prune_cutree_to_dendlist <- function(dend, k, order_clusters_as_data=FALSE) {
clusters <- cutree(dend, k, order_clusters_as_data)
lapply(unique(clusters), function(clust.id){
getSubDendrogram(dend, which(clusters==clust.id))
})
}
5个子结构的测试用例:
library(dendextend)
dend <- iris[,-5] %>% dist %>% hclust %>% as.dendrogram %>% set("labels_to_character") %>% color_branches(k=5)
subdend.list <- prune_cutree_to_dendlist(dend, 5)
#plotting
par(mfrow = c(2,3))
plot(dend, main = "original dend")
sapply(prunned_dends, plot)
我使用
rbenchmark
执行了一些基准测试使用 Tal Galili 建议的函数(此处命名为 prune_cutree_to_dendlist2
),结果对于上述 DFS 方法非常有希望:library(rbenchmark)
benchmark(prune_cutree_to_dendlist(dend, 5),
prune_cutree_to_dendlist2(dend, 5), replications=5)
test replications elapsed relative user.self
1 prune_cutree_to_dendlist(dend, 5) 5 0.02 1 0.020
2 prune_cutree_to_dendlist2(dend, 5) 5 60.82 3041 60.643
关于R基于可爱树标签从树状图中获取子树,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/48167369/