python - 显示 scipy 树状图的聚类标签

Question

我正在使用层次聚类对词向量进行聚类，我希望用户能够显示显示聚类的树状图。但是，由于可能有数千个单词，我希望将此树状图截断为一些合理的值，每个叶子的标签是该簇中最重要单词的字符串。

我的问题是，according to the docs , “标签 [i] 值是放置在第 i 个叶节点下的文本，只有当它对应于原始观察而不是非单例集群时。” 我认为这意味着我可以' t标签簇，只有奇异点？

为了说明，这是一个简短的 python 脚本，它生成一个简单的标记树状图:

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

randomMatrix = np.random.uniform(-10,10,size=(20,3))
linked = linkage(randomMatrix, 'ward')

labelList = ["foo" for i in range(0, 20)]

plt.figure(figsize=(15, 12))
dendrogram(
            linked,
            orientation='right',
            labels=labelList,
            distance_sort='descending',
            show_leaf_counts=False
          )
plt.show()

现在假设我只想截断 5 片叶子，并且对于每片叶子，将其标记为“foo, foo, foo...”，即构成该簇的单词。 (注意:生成这些标签不是这里的问题。)我截断它，并提供一个标签列表来匹配:

labelList = ["foo, foo, foo..." for i in range(0, 5)]
dendrogram(
            linked,
            orientation='right',
            p=5,
            truncate_mode='lastp',
            labels=labelList,
            distance_sort='descending',
            show_leaf_counts=False
          )

问题来了，没有标签:

我想这里可能会用到参数“leaf_label_func”，但我不确定如何使用它。

Answer 1

您关于使用 leaf_label_func 参数的说法是正确的。

除了创建绘图之外，树状图函数还返回一个包含多个列表的字典(他们在文档中将其称为 R)。您创建的 leaf_label_func 必须从 R["leaves"] 中获取一个值并返回所需的标签。设置标签的最简单方法是运行树状图两次。使用 no_plot=True 获取用于创建标签 map 的字典。然后再次创建情节。

randomMatrix = np.random.uniform(-10,10,size=(20,3))
linked = linkage(randomMatrix, 'ward')

labels = ["A", "B", "C", "D"]
p = len(labels)

plt.figure(figsize=(8,4))
plt.title('Hierarchical Clustering Dendrogram (truncated)', fontsize=20)
plt.xlabel('Look at my fancy labels!', fontsize=16)
plt.ylabel('distance', fontsize=16)

# call dendrogram to get the returned dictionary 
# (plotting parameters can be ignored at this point)
R = dendrogram(
                linked,
                truncate_mode='lastp',  # show only the last p merged clusters
                p=p,  # show only the last p merged clusters
                no_plot=True,
                )

print("values passed to leaf_label_func\nleaves : ", R["leaves"])

# create a label dictionary
temp = {R["leaves"][ii]: labels[ii] for ii in range(len(R["leaves"]))}
def llf(xx):
    return "{} - custom label!".format(temp[xx])

## This version gives you your label AND the count
# temp = {R["leaves"][ii]:(labels[ii], R["ivl"][ii]) for ii in range(len(R["leaves"]))}
# def llf(xx):
#     return "{} - {}".format(*temp[xx])


dendrogram(
            linked,
            truncate_mode='lastp',  # show only the last p merged clusters
            p=p,  # show only the last p merged clusters
            leaf_label_func=llf,
            leaf_rotation=60.,
            leaf_font_size=12.,
            show_contracted=True,  # to get a distribution impression in truncated branches
            )
plt.show()