R - 找到第 2 组(成对)的簇

Question

我正在寻找一种方法来找到第 2 组(对)的集群。
有没有一种简单的方法可以做到这一点？
想象一下，我有某种数据想要匹配 x和 y ， 喜欢

library(cluster)
set.seed(1)

df = data.frame(id = 1:10, x_coord = sample(10,10), y_coord = sample(10,10))

我想找到 x_coord 之间最近的一对距离和 y_coord :

d = stats::dist(df[,c(1,2)], diag = T)
h = hclust(d)
plot(h)

我得到一个如下所示的树状图。 我要什么是对 (9,10), (1,3), (6,7), (4,5) 组合在一起。事实上，案例 8 和案例 2 被单独留下并被删除。
也许有比聚类更有效的替代方法。
最终，我想删除不匹配的 id 并保留对并拥有这样的数据集:

  id x_coord y_coord  pair_id
   1       9       3  1
   3       7       5  1 
   4       1       8  2
   5       2       2  2
   6       5       6  3
   7       3      10  3 
   9       6       4  4
  10       8       7  4

Answer 1

您可以使用元素 h$merge .这个两列矩阵的任何行都包含负值表示一对单例。因此你可以这样做:

pairs   <- -h$merge[apply(h$merge, 1, function(x) all(x < 0)),]
df$pair <- (match(df$id, c(pairs)) - 1) %% nrow(pairs) + 1
df <- df[!is.na(df$pair),]

df
#>    id x_coord y_coord pair
#> 1   1       9       3    4
#> 3   3       7       5    4
#> 4   4       1       8    1
#> 5   5       2       2    1
#> 6   6       5       6    2
#> 7   7       3      10    2
#> 9   9       6       4    3
#> 10 10       8       7    3

请注意，对数等于树状图上的“高度”。如果您希望它们按照它们在数据框中出现的顺序按升序排列，您可以添加该行

df$pair <- as.numeric(factor(df$pair, levels = unique(df$pair)))

无论如何，如果我们在新修改的 df 上重复您的绘图代码，我们可以看到没有未配对的单例:

d = stats::dist(df[,c(1,2)], diag = T)
h = hclust(d)
plot(h)

我们可以看到该方法很好地扩展:

df = data.frame(id = 1:50, x_coord = sample(50), y_coord = sample(50))
d = stats::dist(df[,c(1,2)], diag = T)
h = hclust(d)
pairs   <- -h$merge[apply(h$merge, 1, function(x) all(x < 0)),]
df$pair <- (match(df$id, c(pairs)) - 1) %% nrow(pairs) + 1
df <- df[!is.na(df$pair),]
d = stats::dist(df[,c(1,2)], diag = T)
h = hclust(d)
plot(h)