r - 从 R 中的切割树状图中提取标签成员/分类(即 : a cutree function for dendrogram)

Question

我正在尝试从 R 中的树状图中提取分类，我是 cut在一定的高度。使用 cutree 很容易做到这一点在 hclust 上对象，但我不知道如何在 dendrogram 上执行此操作目的。

此外，我不能只使用来自原始 hclust 的集群，因为(令人沮丧的是)来自 cutree 的类的编号。与 cut 的类编号不同.

hc <- hclust(dist(USArrests), "ave")

classification<-cutree(hc,h=70)

dend1 <- as.dendrogram(hc)
dend2 <- cut(dend1, h = 70)


str(dend2$lower[[1]]) #group 1 here is not the same as
classification[classification==1] #group 1 here

有没有办法让分类相互映射，或者从 dendrogram 中提取较低的分支成员资格对象(也许巧妙地使用了 dendrapply ？)的格式更像是 cutree给？

Answer 1

我建议您使用 cutree来自 dendextend 的函数包裹。它包括一个树状图方法(即: dendextend:::cutree.dendrogram )。

您可以从 its introductory vignette 了解有关该软件包的更多信息.

我应该补充一点，虽然你的函数( classify )很好，但使用 cutree 有几个优点。来自 denextend:

它还允许您使用特定的 k (簇数)，而不仅仅是 h (特定的高度)。

这与您从 hclust 上的 cutree 得到的结果一致(classify 不会)。

它通常会更快。

以下是使用代码的示例:

# Toy data:
hc <- hclust(dist(USArrests), "ave")
dend1 <- as.dendrogram(hc)

# Get the package:
install.packages("dendextend")
library(dendextend)

# Get the package:
cutree(dend1,h=70) # it now works on a dendrogram
# It is like using:
dendextend:::cutree.dendrogram(dend1,h=70)

顺便说一下，在这个功能的基础上，dendextend 允许用户做更多很酷的事情，比如基于切割树状图的颜色分支/标签:

dend1 <- color_branches(dend1, k = 4)
dend1 <- color_labels(dend1, k = 5)
plot(dend1)

最后，这里还有一些代码来演示我的其他观点:

# This would also work with k:
cutree(dend1,k=4)

# and would give identical result as cutree on hclust:
identical(cutree(hc,h=70)  , cutree(dend1,h=70)  )
   # TRUE

# But this is not the case for classify:
identical(classify(dend1,70)   , cutree(dend1,h=70)  )
   # FALSE


install.packages("microbenchmark")
require(microbenchmark)
microbenchmark(classify = classify(dend1,70),
               cutree = cutree(dend1,h=70)  )
#    Unit: milliseconds
#        expr      min       lq   median       uq       max neval
#    classify  9.70135  9.94604 10.25400 10.87552  80.82032   100
#      cutree 37.24264 37.97642 39.23095 43.21233 141.13880   100
# 4 times faster for this tree (it will be more for larger trees)

# Although (if to be exact about it) if I force cutree.dendrogram to not go through hclust (which can happen for "weird" trees), the speed will remain similar:
microbenchmark(classify = classify(dend1,70),
               cutree = cutree(dend1,h=70, try_cutree_hclust = FALSE)  )
# Unit: milliseconds
#        expr       min        lq    median       uq      max neval
#    classify  9.683433  9.819776  9.972077 10.48497 29.73285   100
#      cutree 10.275839 10.419181 10.540126 10.66863 16.54034   100

如果您正在考虑改进此功能的方法，请在此处进行修补:

https://github.com/talgalili/dendextend/blob/master/R/cutree.dendrogram.R

我希望你或其他人会发现这个答案很有帮助。