python hcluster，距离矩阵和压缩距离矩阵

Question

我正在使用模块 hcluster 从距离矩阵计算树状图。我的距离矩阵是这样生成的数组数组：

import hcluster
import numpy as np

mols = (..a list of molecules)
distMatrix = np.zeros((10, 10))
  for i in range(0,10):       
    for j in range(0,10):
      sim = OETanimoto(mols[i],mols[j]) # a function to calculate similarity between molecules
      distMatrix[i][j] = 1 - sim

然后我使用命令distVec = hcluster.squareform(distMatrix) 将矩阵转换为压缩向量并计算与vecLink = hcluster.linkage(distVec) 的链接矩阵。

所有这些都可以正常工作，但是如果我使用距离矩阵而不是压缩向量 matLink = hcluster.linkage(distMatrix) 计算链接矩阵，我会得到一个不同的链接矩阵（节点之间的距离要大得多，拓扑结构略有不同）

现在我不确定这是因为 hcluster 仅适用于压缩向量，还是我在此过程中犯了错误。

感谢您的帮助！

Answer 1

我敲了一个与您类似的快速随机示例并遇到了同样的问题。 在文档字符串中它确实说：

在 压缩距离矩阵 y。 y 必须是 :math:{n \choose 2} 大小的 向量，其中 n 是配对的原始观测值的数量 在距离矩阵中。

但是，快速浏览一下代码后，似乎它的意图是让它同时处理矢量形状和矩阵形状的代码： 在 hierachy.py 中有一个基于矩阵形状的开关。 然而，信息的关键位似乎在函数链接的文档字符串中：

   - Q : ndarray
       A condensed or redundant distance matrix. A condensed
       distance matrix is a flat array containing the upper
       triangular of the distance matrix. This is the form that
       ``pdist`` returns. Alternatively, a collection of
       :math:`m` observation vectors in n dimensions may be passed as
       a :math:`m` by :math:`n` array.

所以我认为接口不允许传递距离矩阵。 相反，它认为您正在传递它 m n 维度的观察向量。 因此结果不同？

这看起来合理吗？

否则，只需查看代码本身，我相信您将能够对其进行调试并找出您的示例不同的原因。

干杯 马特