更新

Question

我有一个与熊猫一起制作的成对距离数据框：

#Get files
import glob
import itertools
one_dimension = glob.glob('*.pdb')

dataframe = []
for combo in itertools.combinations(one_dimension,2):
    pdb_1 = combo[0]
    pdb_2 = combo[1]
    entry = { 'pdb_1' : pdb_1, 'pdb_2', 'rmsd': get_rmsd(pdb_1,pdb_2)
    dataframe.append(entry)

import pandas
dataframe = Dataframe(dataframe)
dataframe

enter image description here

我想要做的就是以一种方式对数据帧进行聚类，其中所有聚类都包含小于某些截止值的pdbs（比方说小于2）。我已经读到完全联系是要走的路。

例如：

pdb_1，pdb_2的rmsd为1.56
pdb_3，pdb_2有一个rmsd 1.03
pdb_2，pdb_1的rmsd为1.60

所以他们都可以一起出现在一个集群中。但是，如果有任何新的pdb尝试添加到群集中，如果它是> 2对于已在群集中的任何成员，它将被拒绝。

据我所知，这是与截止点的完全联系。

我已经调查了scipy.cluster.hierarchy.linkage，但是我很难格式化数组以进入链接。

完成此任务的最佳方法是什么？
如何从我的数据框架转到可以使用的东西 scipy.cluster？
我应该把它变成R数据帧吗？
如果我转换了，我如何找出群集中的成员成对距离到阵列。

我发现this，this和this问题类似，并发现this tutorial

更新

根据cel的回答，我可以得到以下结果：

>>df

enter image description here

然后转动

 pivot_table = df.pivot('pdb_1','pdb_2','rmsd').fillna(0)
 >>pivot_table

enter image description here

然后是数据数组

piv_arr = pivot_table.as_matrix()
dist_mat = piv_arr + np.transpose(piv_arr)
>>dist_mat

enter image description here

但是，我无法制作方格，因为诊断不等于0 ...

>>>squareform(dist_mat)

enter image description here

并且可以验证

>>dist_mat.diagonal()

enter image description here

Answer 1

这可能对您有用：

这些是我们需要的进口产品：

import scipy.cluster.hierarchy as hcl
from scipy.spatial.distance import squareform
import pandas as pd
import numpy as np

假设我们已经计算了距离矩阵，并决定以这种格式存储距离矩阵的上三角部分：

data = pd.DataFrame({
    "a": ["a1", "a1", "a2", "a3", "a2", "a1"],
    "b": ["a2", "a3", "a3", "a3", "a2", "a1"],
    "distance": [1,2,3, 0, 0, 0]
})

所以这是我们的数据框：

a   b   distance
0   a1  a2  1
1   a1  a3  2
2   a2  a3  3
3   a3  a3  0
4   a2  a2  0
5   a1  a1  0

使用DataFrame.pivot，我们可以将数据帧转换为方形距离矩阵：

data_piv = data.pivot("a", "b", "distance").fillna(0)
piv_arr = data_piv.as_matrix()
dist_mat = piv_arr + np.transpose(piv_arr)

这将给我们：

array([[ 0.,  1.,  2.],
       [ 1.,  0.,  3.],
       [ 2.,  3.,  0.]])

我们可以通过squareform转换为压缩距离矩阵并输入到链接算法中：

hcl.linkage(squareform(dist_mat))

这为我们提供了以下链接矩阵：

array([[ 0.,  1.,  1.,  2.],
       [ 2.,  3.,  2.,  3.]])

分层聚类预先计算的距离的成对距离矩阵

更新

1 个答案: