SciPy - 树图() 方法

SciPy 树图() 方法引自模块“scipy.cluster.hierarchy”，它通过在特定高度处切割集群来确定其功能。

此方法帮助我们可视化集群图并显示排列。

语法

以下是 SciPy 树图() 方法的语法 −

dendrogram(res)

参数

以下是说明 −

• res: 此参数存储 linkage() 方法，该方法接受两个参数，分别是 “data” 和 “method = 'type'” 以图形方式生成分层集群。

返回值

此方法渲染树状图，这意味着它以图形视图的形式返回结果。

示例 1

以下是展示如何使用 树状图() 方法的 SciPy 示例。

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

# given data
data = np.array([[1, 2], [3, 4], [5, 6], [7, 8], [9, 10]])

# hierarchical clustering using ward
res = linkage(data, method='ward')

# create a dendrogram
dendrogram(res)

# show the plot
plt.show()

输出

以上代码会产生以下输出 −

示例 2

在这里，我们执行截断树状图的任务，它显示了最后 4 次合并。

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

# input data
data = np.random.rand(15, 4)

# hierarchical clustering
res = linkage(data, method='average')

# create a truncated dendrogram
dendrogram(res, truncate_mode='lastp', p=4)

# show the plot
plt.show()

输出

以上代码会产生以下输出 −

示例 3

以下示例显示了具有颜色阈值的树状图。在这里，您可以得到橙色的图形颜色。

注意，颜色阈值定义了图形的更好可见性。

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

# input data
data = np.random.rand(15, 3)

# hierarchical clustering
res = linkage(data, method='single')

# create dendrogram with color threshold
dendrogram(res, color_threshold=0.5)

# show the plot
plt.show()

输出

以上代码会产生以下输出 −