python - 交换 Python scipy 树状图/链接的叶子

Question

我为我的数据集生成了一个树状图，但我不满意某些级别的拆分是如何排序的。因此，我正在寻找一种方法来交换单个拆分的两个分支(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从大集群的其余部分分离出来。我真的对此很不满意，并希望与11 的分支和 25成为 split 的右分支，集群的其余部分成为左分支。显示的距离仍然相同，因此数据不会改变，只是美观。

这能做到吗？如何？我专门进行手动干预，因为最佳叶排序算法在这种情况下可能不起作用。

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，并通过在链接中使用 optimization_ordering 选项解决了。我附上了你的案例的代码和结果，这可能不是你喜欢的，但对我来说似乎有了很大的改进。

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