交换Python scipy的树形图/链接的叶子

Question

我为我的数据集生成了一个树状图，我不满意某些级别的分裂是如何排序的。因此，我正在寻找一种方法来交换单个分裂的两个分支（或叶子）。

如果我们查看底部的代码和树状图，有两个标签11和25与大群集的其余部分分开。我对此非常不满意，并且希望11和25的分支是分割的右分支，而群集的其余部分是左分支。显示的距离仍然是相同的，因此数据不会改变，只是美学。

可以这样做吗？如何？我专门用于手动干预，因为在这种情况下，最佳叶子排序算法应该不起作用。

import numpy as np

# random data set with two clusters
np.random.seed(65)  # for repeatability of this tutorial
a = np.random.multivariate_normal([10, 0], [[3, 1], [1, 4]], size=[10,])
b = np.random.multivariate_normal([0, 20], [[3, 1], [1, 4]], size=[20,])
X = np.concatenate((a, b),)

# create linkage and plot dendrogram    
from scipy.cluster.hierarchy import dendrogram, linkage
Z = linkage(X, 'ward')

plt.figure(figsize=(15, 5))
plt.title('Hierarchical Clustering Dendrogram')
plt.xlabel('sample index')
plt.ylabel('distance')
dendrogram(
    Z,
    leaf_rotation=90.,  # rotates the x axis labels
    leaf_font_size=12.,  # font size for the x axis labels
)
plt.show()

Answer 1

我有一个类似的问题，通过在链接中使用optimum_ordering选项得到解决。我附上了您的案例的代码和结果，虽然可能不完全符合您的要求，但对我来说似乎有很大的改进。

import numpy as np
import matplotlib.pyplot as plt

# random data set with two clusters
np.random.seed(65)  # for repeatability of this tutorial
a = np.random.multivariate_normal([10, 0], [[3, 1], [1, 4]], size=[10,])
b = np.random.multivariate_normal([0, 20], [[3, 1], [1, 4]], size=[20,])
X = np.concatenate((a, b),)

# create linkage and plot dendrogram    
from scipy.cluster.hierarchy import dendrogram, linkage
Z = linkage(X, 'ward', optimal_ordering = True)

plt.figure(figsize=(15, 5))
plt.title('Hierarchical Clustering Dendrogram')
plt.xlabel('sample index')
plt.ylabel('distance')
dendrogram(
    Z,
    leaf_rotation=90.,  # rotates the x axis labels
    leaf_font_size=12.,  # font size for the x axis labels
    distance_sort=False,
    show_leaf_counts=True,
    count_sort=False
)
plt.show()

result of using optimal_ordering in linkage