将距离矩阵传递给 seaborn clustermap答案

【问题标题】：Pass distance matrix to seaborn clustermap将距离矩阵传递给 seaborn clustermap
【发布时间】：2019-12-10 00:48:25
【问题描述】：

我想将自己的距离矩阵（行链接）传递给 seaborn clustermap。

已经有一些类似的帖子

Use Distance Matrix in scipy.cluster.hierarchy.linkage()?

但他们都指向

scipy hierarchy linkage

将聚类指标和方法作为参数。

scipy.cluster.hierarchy.linkage(y, method='single', metric='euclidean', optimization_ordering=False)

输入 y 可以是一维压缩距离矩阵或二维数组观察向量的个数

我不明白的是：

我的距离矩阵已经基于某个度量和方法，为什么我要在scipy hierarchy linkage 中重新计算？

是否有一个选项可以完全使用我的距离并创建链接？

【问题讨论】：

你说linkage“将聚类指标和方法作为参数”。再看一下文档字符串；链接也接受预先计算的距离，但它们必须表示为“压缩”距离矩阵（它只是一个包含距离矩阵的非冗余数据的一维数组）。如果将压缩距离矩阵传递给链接，则忽略 metric 参数。然后再次查看您链接的第一个问题，它回答了您的问题。

标签： python scipy seaborn hierarchical-clustering

【解决方案1】：

对于后代，这是一个完整的方法，因为 cmets 中的 @WarrenWeckesser 和链接答案中的 @SibbsGambling 省略了一些细节。

假设distMatrix 是您的距离矩阵（不必是欧几里得），i 行和j 列中的条目表示ith 和jth 对象之间的距离。那么：

# import packages
from scipy.cluster import hierarchy
import scipy.spatial.distance as ssd
import seaborn as sns

# define distance array as in linked answer
distArray = ssd.squareform(distMatrix) 

# define linkage object
distLinkage = hierarchy.linkage(distArray)

# make clustermap
sns.clustermap(distMatrix, row_linkage=distLinkage, col_linkage=distLinkage)

请注意，在创建clustermap 时，您仍然必须引用原始矩阵。如果您想使用不同的聚类方法，例如method='ward'，请在定义distLinkage 时包含该选项。

【讨论】：