Hướng dẫn increase size of dendrogram python - tăng kích thước của trăn dendrogram

V số phân cụm phân cấp như một dendrogram.

Dendrogram minh họa cách mỗi cụm được sáng tác bằng cách vẽ một liên kết hình chữ U giữa một cụm không phải là Singleton và các con của nó. Phần trên của liên kết U biểu thị sự hợp nhất cụm. Hai chân của liên kết U cho biết cụm nào được hợp nhất. Chiều dài của hai chân của liên kết U biểu thị khoảng cách giữa các cụm trẻ em. Nó cũng là khoảng cách cophenetic giữa các quan sát ban đầu trong hai cụm trẻ em.

Ma trận liên kết mã hóa phân cụm phân cấp để kết xuất dưới dạng dendrogram. Xem chức năng linkage để biết thêm thông tin về định dạng của

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

Tham số

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

Dendrogram có thể khó đọc khi ma trận quan sát ban đầu mà từ đó liên kết có nguồn gốc lớn. Cắt ngắn được sử dụng để ngưng tụ dendrogram. Có một số chế độ:

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

Không có cắt được thực hiện (mặc định). Lưu ý:

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

Các cụm không singleton cuối cùng được hình thành trong liên kết là các nút không lá duy nhất trong liên kết; Chúng tương ứng với các hàng

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

Không nhiều hơn mức

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

Lưu ý:

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

Đối với sự ngắn gọn, hãy để \ (t \) là

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

Bao gồm một danh sách

dendrogram(Z, link_color_func=lambda k: colors[k])

dendrogram(Z, link_color_func=lambda k: colors[k])

dendrogram(Z, link_color_func=lambda k: colors[k])

dendrogram(Z, link_color_func=lambda k: colors[k])

\(i\),

dendrogram(Z, link_color_func=lambda k: colors[k])

1, cluster node

dendrogram(Z, link_color_func=lambda k: colors[k])

2 appears in position

dendrogram(Z, link_color_func=lambda k: colors[k])

3 in the left-to-right traversal of the leaves, where \(j < 2n-1\) and \(i < n\).

DirectionTr, tùy chọnstr, optional

Hướng để vẽ đồ họa, có thể là bất kỳ chuỗi nào sau đây:

dendrogram(Z, link_color_func=lambda k: colors[k])

4

Âm mưu gốc ở trên cùng và các liên kết hạ xuống âm mưu đi xuống dưới. (mặc định).

dendrogram(Z, link_color_func=lambda k: colors[k])

5

Âm mưu gốc ở phía dưới, và lô liên kết đi xuống đi lên.

dendrogram(Z, link_color_func=lambda k: colors[k])

6

Âm mưu gốc ở bên trái, và cốt truyện các liên kết đi xuống bên phải.

dendrogram(Z, link_color_func=lambda k: colors[k])

7

Âm mưu gốc ở bên phải, và lô liên kết đi xuống bên trái.

LabelSndarray, tùy chọnndarray, optional

Theo mặc định,

dendrogram(Z, link_color_func=lambda k: colors[k])

8 không có gì vì vậy chỉ số của quan sát ban đầu được sử dụng để dán nhãn các nút lá. Mặt khác, đây là một chuỗi có kích thước \ (n \)-với

dendrogram(Z, link_color_func=lambda k: colors[k])

9. Giá trị

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

0 là văn bản đặt dưới nút lá \ (i \) chỉ khi nó tương ứng với quan sát ban đầu chứ không phải là cụm không phải là singleton.\(n\)-sized sequence, with

dendrogram(Z, link_color_func=lambda k: colors[k])

9. The

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

0 value is the text to put under the \(i\) th leaf node only if it corresponds to an original observation and not a non-singleton cluster.

Count_Sortstr hoặc Bool, tùy chọnstr or bool, optional

Đối với mỗi nút N, thứ tự (trực quan, từ từ trái sang phải), hai liên kết hạ nguồn được vẽ được xác định bởi tham số này, có thể là bất kỳ giá trị nào sau đây:

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

1

Không có gì được thực hiện.

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

2 hoặc

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

3

Đứa trẻ có số lượng tối thiểu của các đối tượng gốc trong cụm của nó được vẽ đầu tiên.

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

4

Đứa trẻ có số lượng đối tượng gốc tối đa trong cụm của nó được vẽ trước.

Lưu ý,

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

5 và

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

6 đều không thể đúng.

Disce_Sortstr hoặc Bool, Tùy chọnstr or bool, optional

Đối với mỗi nút N, thứ tự (trực quan, từ từ trái sang phải), hai liên kết hạ nguồn được vẽ được xác định bởi tham số này, có thể là bất kỳ giá trị nào sau đây:

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

1

Không có gì được thực hiện.

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

2 hoặc

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

3

Đứa trẻ có số lượng tối thiểu của các đối tượng gốc trong cụm của nó được vẽ đầu tiên.

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

4

Đứa trẻ có số lượng đối tượng gốc tối đa trong cụm của nó được vẽ trước.

Lưu ý,

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

5 và

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

6 đều không thể đúng.

Disce_Sortstr hoặc Bool, Tùy chọnbool, optional

Đứa trẻ có khoảng cách tối thiểu giữa con cháu trực tiếp của nó được vẽ đầu tiên.\(k>1\) original observation are labeled with the number of observations they contain in parentheses.

Đứa trẻ có khoảng cách tối đa giữa con cháu trực tiếp của nó được vẽ đầu tiên.bool, optional

Lưu ý

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

5 và

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

6 đều không thể đúng.

show_leaf_countsbool, tùy chọnbool, optional

Khi đúng, các nút lá đại diện cho quan sát ban đầu \ (k> 1 \) được dán nhãn với số lượng quan sát mà chúng chứa trong ngoặc đơn.

No_plotbool, tùy chọndouble, optional

Khi đúng, kết xuất cuối cùng không được thực hiện. Điều này rất hữu ích nếu chỉ cần các cấu trúc dữ liệu được tính toán cho kết xuất hoặc nếu không có sẵn matplotlib.

NO_LabelSbool, tùy chọnint, optional

Khi đúng, không có nhãn nào xuất hiện bên cạnh các nút lá trong kết xuất của dendrogram.

Leaf_rotationDouble, tùy chọnlambda or function, optional

Chỉ định góc (tính bằng độ) để xoay nhãn lá. Khi không xác định, vòng quay dựa trên số lượng nút trong dendrogram (mặc định là 0).\(k < 2n-1\). The function is expected to return a string with the label for the leaf.

Leaf_font_sizeint, tùy chọn\(k < n\) correspond to original observations while indices \(k \geq n\) correspond to non-singleton clusters.

Chỉ định kích thước phông chữ (tính theo điểm) của nhãn lá. Khi không xác định, kích thước dựa trên số lượng nút trong dendrogram.

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

Leaf_label_funclambda hoặc chức năng, tùy chọnbool, optional

Khi

>>> ytdist = np.array([662., 877., 255., 412., 996., 295., 468., 268.,
...                    400., 754., 564., 138., 219., 869., 669.])
>>> Z = hierarchy.linkage(ytdist, 'single')
>>> plt.figure()
>>> dn = hierarchy.dendrogram(Z)

3 là một hàm có thể gọi được, cho mỗi lá có chỉ số cụm \ (k <2n-1 \). Hàm dự kiến ​​sẽ trả về một chuỗi với nhãn cho lá.

Chỉ số \ (k callable, optional

Ví dụ, để dán nhãn singletons với ID nút và không phải là Singletons với ID, đếm và hệ số không nhất quán của họ, chỉ cần làm:

dendrogram(Z, link_color_func=lambda k: colors[k])

show_contractedBool, tùy chọn

Khi đúng, độ cao của các nút không phải là singleton được ký kết thành một nút lá được vẽ như các chữ thập dọc theo liên kết kết nối nút lá đó. Điều này thực sự chỉ hữu ích khi sử dụng cắt ngắn (xem tham số

from matplotlib import pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage
import numpy as np
plt.rcParams["figure.figsize"] = [7.50, 3.50]
plt.rcParams["figure.autolayout"] = True
a = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[2, ])
b = np.random.multivariate_normal([0, 10], [[3, 1], [1, 4]], size=[3, ])
X = np.concatenate((a, b), )
Z = linkage(X)
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
dendrogram(Z, ax=ax)
plt.show()

2).matplotlib Axes instance, optional

link_color_funccallable, tùy chọn

Nếu được đưa ra, Link_Color_Function được gọi với mỗi ID không phải là Singleton tương ứng với từng liên kết hình chữ U mà nó sẽ vẽ. Hàm dự kiến ​​sẽ trả về màu để sơn liên kết, được mã hóa dưới dạng mã chuỗi màu matplotlib. Ví dụ:str, optional

Màu sắc các liên kết trực tiếp bên dưới mỗi nút không singleton chưa được nhấn

>>> ytdist = np.array([662., 877., 255., 412., 996., 295., 468., 268.,
...                    400., 754., 564., 138., 219., 869., 669.])
>>> Z = hierarchy.linkage(ytdist, 'single')
>>> plt.figure()
>>> dn = hierarchy.dendrogram(Z)

5 bằng

>>> ytdist = np.array([662., 877., 255., 412., 996., 295., 468., 268.,
...                    400., 754., 564., 138., 219., 869., 669.])
>>> Z = hierarchy.linkage(ytdist, 'single')
>>> plt.figure()
>>> dn = hierarchy.dendrogram(Z)

6.

Ví dụ Axmatplotlib Axes, Tùy chọnRdict

Nếu không có và no_plot là không đúng, dendrogram sẽ được vẽ trên các trục hiện tại. Mặt khác, nếu NO_PLOT không đúng, dendrogram sẽ được vẽ trên thể hiện

>>> ytdist = np.array([662., 877., 255., 412., 996., 295., 468., 268.,
...                    400., 754., 564., 138., 219., 869., 669.])
>>> Z = hierarchy.linkage(ytdist, 'single')
>>> plt.figure()
>>> dn = hierarchy.dendrogram(Z)

7 đã cho. Điều này có thể hữu ích nếu dendrogram là một phần của một con số phức tạp hơn.

>>> ytdist = np.array([662., 877., 255., 412., 996., 295., 468., 268.,
...                    400., 754., 564., 138., 219., 869., 669.])
>>> Z = hierarchy.linkage(ytdist, 'single')
>>> plt.figure()
>>> dn = hierarchy.dendrogram(Z)

9

TRÊN_THRESHOLD_COLORSTR, Tùy chọn

Chuỗi màu matplotlib này đặt màu của các liên kết phía trên color_threshold. Mặc định là

# First define the leaf label function.
def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])

# The text for the leaf nodes is going to be big so force
# a rotation of 90 degrees.
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90)

# leaf_label_func can also be used together with ``truncate_mode`` parameter,
# in which case you will get your leaves labeled after truncation:
dendrogram(Z, leaf_label_func=llf, leaf_rotation=90,
           truncate_mode='level', p=2)

6.

Trả về rdict

subplot2grid({params})0

Một từ điển của các cấu trúc dữ liệu được tính toán để hiển thị từ ngữ. Nó có các khóa sau:

subplot2grid({params})1

Một danh sách các tên màu. Phần tử K hèth đại diện cho màu của liên kết K K.\(j < 2n-1\) and \(i < n\). If

dendrogram(Z, link_color_func=lambda k: colors[k])

2 is less than subplot2grid({params})6, the

dendrogram(Z, link_color_func=lambda k: colors[k])

3-th leaf node corresponds to an original observation. Otherwise, it corresponds to a non-singleton cluster.

subplot2grid({params})8

>>> hierarchy.set_link_color_palette(['m', 'c', 'y', 'k'])
>>> fig, axes = plt.subplots(1, 2, figsize=(8, 3))
>>> dn1 = hierarchy.dendrogram(Z, ax=axes[0], above_threshold_color='y',
...                            orientation='top')
>>> dn2 = hierarchy.dendrogram(Z, ax=axes[1],
...                            above_threshold_color='#bcbddc',
...                            orientation='right')
>>> hierarchy.set_link_color_palette(None)  # reset to default after use
>>> plt.show()

0 và

>>> hierarchy.set_link_color_palette(['m', 'c', 'y', 'k'])
>>> fig, axes = plt.subplots(1, 2, figsize=(8, 3))
>>> dn1 = hierarchy.dendrogram(Z, ax=axes[0], above_threshold_color='y',
...                            orientation='top')
>>> dn2 = hierarchy.dendrogram(Z, ax=axes[1],
...                            above_threshold_color='#bcbddc',
...                            orientation='right')
>>> hierarchy.set_link_color_palette(None)  # reset to default after use
>>> plt.show()

1

Mỗi người trong số họ là một danh sách các danh sách. Đặt

>>> hierarchy.set_link_color_palette(['m', 'c', 'y', 'k'])
>>> fig, axes = plt.subplots(1, 2, figsize=(8, 3))
>>> dn1 = hierarchy.dendrogram(Z, ax=axes[0], above_threshold_color='y',
...                            orientation='top')
>>> dn2 = hierarchy.dendrogram(Z, ax=axes[1],
...                            above_threshold_color='#bcbddc',
...                            orientation='right')
>>> hierarchy.set_link_color_palette(None)  # reset to default after use
>>> plt.show()

2 trong đó

>>> hierarchy.set_link_color_palette(['m', 'c', 'y', 'k'])
>>> fig, axes = plt.subplots(1, 2, figsize=(8, 3))
>>> dn1 = hierarchy.dendrogram(Z, ax=axes[0], above_threshold_color='y',
...                            orientation='top')
>>> dn2 = hierarchy.dendrogram(Z, ax=axes[1],
...                            above_threshold_color='#bcbddc',
...                            orientation='right')
>>> hierarchy.set_link_color_palette(None)  # reset to default after use
>>> plt.show()

3 và

>>> hierarchy.set_link_color_palette(['m', 'c', 'y', 'k'])
>>> fig, axes = plt.subplots(1, 2, figsize=(8, 3))
>>> dn1 = hierarchy.dendrogram(Z, ax=axes[0], above_threshold_color='y',
...                            orientation='top')
>>> dn2 = hierarchy.dendrogram(Z, ax=axes[1],
...                            above_threshold_color='#bcbddc',
...                            orientation='right')
>>> hierarchy.set_link_color_palette(None)  # reset to default after use
>>> plt.show()

4 trong đó

>>> hierarchy.set_link_color_palette(['m', 'c', 'y', 'k'])
>>> fig, axes = plt.subplots(1, 2, figsize=(8, 3))
>>> dn1 = hierarchy.dendrogram(Z, ax=axes[0], above_threshold_color='y',
...                            orientation='top')
>>> dn2 = hierarchy.dendrogram(Z, ax=axes[1],
...                            above_threshold_color='#bcbddc',
...                            orientation='right')
>>> hierarchy.set_link_color_palette(None)  # reset to default after use
>>> plt.show()

5, thì liên kết Kiênth được vẽ là

>>> hierarchy.set_link_color_palette(['m', 'c', 'y', 'k'])
>>> fig, axes = plt.subplots(1, 2, figsize=(8, 3))
>>> dn1 = hierarchy.dendrogram(Z, ax=axes[0], above_threshold_color='y',
...                            orientation='top')
>>> dn2 = hierarchy.dendrogram(Z, ax=axes[1],
...                            above_threshold_color='#bcbddc',
...                            orientation='right')
>>> hierarchy.set_link_color_palette(None)  # reset to default after use
>>> plt.show()

6 -

>>> hierarchy.set_link_color_palette(['m', 'c', 'y', 'k'])
>>> fig, axes = plt.subplots(1, 2, figsize=(8, 3))
>>> dn1 = hierarchy.dendrogram(Z, ax=axes[0], above_threshold_color='y',
...                            orientation='top')
>>> dn2 = hierarchy.dendrogram(Z, ax=axes[1],
...                            above_threshold_color='#bcbddc',
...                            orientation='right')
>>> hierarchy.set_link_color_palette(None)  # reset to default after use
>>> plt.show()

7 -

>>> hierarchy.set_link_color_palette(['m', 'c', 'y', 'k'])
>>> fig, axes = plt.subplots(1, 2, figsize=(8, 3))
>>> dn1 = hierarchy.dendrogram(Z, ax=axes[0], above_threshold_color='y',
...                            orientation='top')
>>> dn2 = hierarchy.dendrogram(Z, ax=axes[1],
...                            above_threshold_color='#bcbddc',
...                            orientation='right')
>>> hierarchy.set_link_color_palette(None)  # reset to default after use
>>> plt.show()

8 -

>>> hierarchy.set_link_color_palette(['m', 'c', 'y', 'k'])
>>> fig, axes = plt.subplots(1, 2, figsize=(8, 3))
>>> dn1 = hierarchy.dendrogram(Z, ax=axes[0], above_threshold_color='y',
...                            orientation='top')
>>> dn2 = hierarchy.dendrogram(Z, ax=axes[1],
...                            above_threshold_color='#bcbddc',
...                            orientation='right')
>>> hierarchy.set_link_color_palette(None)  # reset to default after use
>>> plt.show()

9.

Một danh sách các nhãn tương ứng với các nút lá.

Ví dụ

>>> from scipy.cluster import hierarchy
>>> import matplotlib.pyplot as plt

Một ví dụ rất cơ bản:

>>> ytdist = np.array([662., 877., 255., 412., 996., 295., 468., 268.,
...                    400., 754., 564., 138., 219., 869., 669.])
>>> Z = hierarchy.linkage(ytdist, 'single')
>>> plt.figure()
>>> dn = hierarchy.dendrogram(Z)

Bây giờ, sơ đồ trong các trục đã cho, cải thiện bảng màu và sử dụng cả hai hướng dọc và ngang:

>>> hierarchy.set_link_color_palette(['m', 'c', 'y', 'k'])
>>> fig, axes = plt.subplots(1, 2, figsize=(8, 3))
>>> dn1 = hierarchy.dendrogram(Z, ax=axes[0], above_threshold_color='y',
...                            orientation='top')
>>> dn2 = hierarchy.dendrogram(Z, ax=axes[1],
...                            above_threshold_color='#bcbddc',
...                            orientation='right')
>>> hierarchy.set_link_color_palette(None)  # reset to default after use
>>> plt.show()