SciPy - set_link_color_palette() 方法

SciPy 的 set_link_color_palette() 方法用于执行 matplotlib 颜色代码的操作。它允许用户在表示树状图中的不同聚类时设置自定义颜色。此方法是 scipy.cluster.hierarchy 模块的一部分。

以下是此方法在数据分析中的用法：

• 层次聚类可视化：这显示了不同聚类具有不同颜色数据的可视化结果。
• 数据呈现：数据更易读，且在表示上更具视觉吸引力。
• 模式识别：这有助于我们识别聚类以及与更大数据集的关系。

语法

以下是 SciPy set_link_color_palette() 方法的语法：

set_link_color_palette(['color_code_1', 'color_code_2', ...])

参数

此方法接受基于数据输入的自定义调色板。

返回值

此方法不返回任何类型。

示例 1

以下是 SciPy set_link_color_palette() 方法，它演示了给定输入数据中不同的调色板。

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

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

# hierarchical/agglomerative clustering
res = linkage(X, 'ward')

# set the custom color palette
set_link_color_palette(['r', 'g', 'b', 'c', 'm', 'y'])

# Plot dendrogram
dendrogram(res)
plt.show()

输出

以上代码产生以下输出：

示例 2

在这里，我们使用 random.rand() 来设置给定数据，并借助十六进制颜色代码（例如 #33FF57）显示调色板。

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

# given data
X = np.random.rand(10, 2)

# hierarchical/agglomerative clustering
res = linkage(X, 'single')

# set a custom color palette using hexadecimal color codes
set_link_color_palette(['#FF5733', '#33FF57', '#3357FF', '#FF33A1'])

# plot dendrogram
dendrogram(res)
plt.show()

输出

以上代码产生以下输出：

示例 3

下面的程序使用 set_link_color_palette() 演示了更大数据集的调色板。

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

# given data
X = np.random.rand(50, 2)

# hierarchical/agglomerative clustering
res = linkage(X, 'complete')

# set a larger custom color palette
palette = ['#FF0000', '#00FF00', '#0000FF', '#FFFF00', '#FF00FF', '#00FFFF',
           '#800000', '#808000', '#008000', '#800080', '#008080', '#000080']
set_link_color_palette(palette)

# plot dendrogram
dendrogram(res)
plt.show()

输出

以上代码产生以下输出：