json - scipy dendrogram 到 json 用于 d3.js 树可视化

Question

我正在尝试将 scipy 层次聚类的结果转换为 json 以便在 d3.js 中显示 an example
下面的代码产生一个有 6 个分支的树状图。

import pandas as pd 
import scipy.spatial
import scipy.cluster

d = {'employee' : ['A', 'B', 'C', 'D', 'E', 'F'],
 'skillX': [2,8,3,6,8,10],
 'skillY': [8,15,6,9,7,10]}

d1 = pd.DataFrame(d)

distMat = xPairWiseDist = scipy.spatial.distance.pdist(np.array(d1[['skillX', 'skillY']]), 'euclidean')
clusters = scipy.cluster.hierarchy.linkage(distMat, method='single')
dendo  = scipy.cluster.hierarchy.dendrogram(clusters, labels = list(d1.employee), orientation = 'right')

dendo

我的问题
如何以 d3.js 理解的格式表示 json 文件中的数据

{'name': 'Root1’, 
      'children':[{'name' : 'B'},
                  {'name': 'E-D-F-C-A',
                           'children' : [{'name': 'C-A',
                                         'children' : {'name': 'A'}, 
                                                      {'name' : 'C'}]
                                                 }
                   }
                   ]
}

令人尴尬的事实是，我不知道是否可以从 dendogram 中提取此信息。或来自 linkage matrix 和 如何
我很感谢我能得到的任何帮助。
编辑澄清
到目前为止，我已经尝试使用 totree方法，但难以理解其结构(是的，我阅读了文档)。

a = scipy.cluster.hierarchy.to_tree(clusters , rd=True)

for x in a[1]:
 #print x.get_id()
 if x.is_leaf() != True :
     print  x.get_left().get_id(), x.get_right().get_id(), x.get_count()

Answer 1

您可以分三个步骤执行此操作:

递归构造一个嵌套字典，表示 Scipy 的 to_tree 返回的树方法。

遍历嵌套字典以使用其子树中的叶子标记每个内部节点。

dump 生成的嵌套字典到 JSON 并加载到 d3。

构建表示树状图的嵌套字典

第一步，调用 to_tree 很重要。与 rd=False以便返回树状图的根。您可以从该根目录构造嵌套字典，如下所示:

# Create a nested dictionary from the ClusterNode's returned by SciPy
def add_node(node, parent ):
    # First create the new node and append it to its parent's children
    newNode = dict( node_id=node.id, children=[] )
    parent["children"].append( newNode )

    # Recursively add the current node's children
    if node.left: add_node( node.left, newNode )
    if node.right: add_node( node.right, newNode )

T = scipy.cluster.hierarchy.to_tree( clusters , rd=False )
d3Dendro = dict(children=[], name="Root1")
add_node( T, d3Dendro )
# Output: => {'name': 'Root1', 'children': [{'node_id': 10, 'children': [{'node_id': 1, 'children': []}, {'node_id': 9, 'children': [{'node_id': 6, 'children': [{'node_id': 0, 'children': []}, {'node_id': 2, 'children': []}]}, {'node_id': 8, 'children': [{'node_id': 5, 'children': []}, {'node_id': 7, 'children': [{'node_id': 3, 'children': []}, {'node_id': 4, 'children': []}]}]}]}]}]}

基本思想是从一个不在树状图中的节点开始，它将作为整个树状图的根。然后我们递归地将左子和右子添加到这个字典中，直到我们到达叶子。在这一点上，我们没有节点的标签，所以我只是通过它们的 clusterNode ID 来标记节点。

标记树状图

接下来，我们需要使用 node_ids 来标记树状图。评论应该足以解释这是如何工作的。

# Label each node with the names of each leaf in its subtree
def label_tree( n ):
    # If the node is a leaf, then we have its name
    if len(n["children"]) == 0:
        leafNames = [ id2name[n["node_id"]] ]

    # If not, flatten all the leaves in the node's subtree
    else:
        leafNames = reduce(lambda ls, c: ls + label_tree(c), n["children"], [])

    # Delete the node id since we don't need it anymore and
    # it makes for cleaner JSON
    del n["node_id"]

    # Labeling convention: "-"-separated leaf names
    n["name"] = name = "-".join(sorted(map(str, leafNames)))

    return leafNames

label_tree( d3Dendro["children"][0] )

转储到 JSON 并加载到 D3

最后，在树状图被标记后，我们只需将其输出为 JSON 并加载到 D3 中。为了完整起见，我只是将 Python 代码粘贴到 JSON 中。

# Output to JSON
json.dump(d3Dendro, open("d3-dendrogram.json", "w"), sort_keys=True, indent=4)

输出

我在下面创建了树状图的 Scipy 和 D3 版本。对于 D3 版本，我只是将我输出的 JSON 文件( 'd3-dendrogram.json')插入到这个 Gist 中。 .

SciPy 树状图



D3 树状图