如何在scipy层次聚类中获取非单例簇ID

Question

根据this，我们可以获得非单一群集的标签。

我用一个简单的例子尝试了这个。

import numpy as np
import scipy.cluster.hierarchy
import matplotlib.pyplot as plt
from scipy.cluster.hierarchy import dendrogram, linkage

mat = np.array([[ 0. , 1. , 3.  ,0. ,2.  ,3.  ,1.],
 [ 1. , 0. , 3. , 1.,  1. , 2. , 2.],
 [ 3.,  3. , 0.,  3. , 3.,  3. , 4.],
 [ 0. , 1. , 3.,  0. , 2. , 3.,  1.],
 [ 2. , 1.,  3. , 2.,  0. , 1.,  3.],
 [ 3. , 2.,  3. , 3. , 1. , 0. , 3.],
 [ 1. , 2.,  4. , 1. , 3.,  3. , 0.]])

def llf(id):
    if id < n:
        return str(id)
    else:
        return '[%d %d %1.2f]' % (id, count, R[n-id,3])


linkage_matrix = linkage(mat, "complete")

dendrogram(linkage_matrix,
           p=4,
           leaf_label_func=llf,
           color_threshold=1,
           truncate_mode='lastp',
           distance_sort='ascending')

plt.show()

什么是n，并在此计算？在下面的图表中，我需要知道谁在（3）和（2）下列出？

Answer 1

我认为该部分的文档不是很清楚，其中的示例代码甚至无法运行。但很明显1表示第2次观察，（3）表示该节点有3次观察。

如果你想知道什么是3个障碍物。在第二个节点，如果这是你的问题：

In [51]:
D4=dendrogram(linkage_matrix,
              color_threshold=1,
              p=4,
              truncate_mode='lastp',
              distance_sort='ascending')
D7=dendrogram(linkage_matrix,
              color_list=['g',]*7,
              p=7,
              truncate_mode='lastp',
              distance_sort='ascending', no_plot=True)  
from itertools import groupby
[list(group) for key, group in groupby(D7['ivl'],lambda x: x in D4['ivl'])]
Out[51]:
[['1'], ['6', '0', '3'], ['2'], ['4', '5']]

第二个节点包含obs。第7个，第1个和第4个，第2个节点包含第5和第6个观测值。