将R剪切树状图分成最小大小的组

Question

有没有一种简单的方法来计算在给定最小大小的情况下产生分组的cut中最低h值？

在这个例子中，如果我想要每个群集至少有十个成员，我应该选择h = 3.80：

# using iris data simply for reproducible example
data(iris)
d <- data.frame(scale(iris[,1:4]))
hc <- hclust(dist(d))
plot(hc)

cut(as.dendrogram(hc), h=3.79) # produces 5 groups; group 4 has 7 members

cut(as.dendrogram(hc), h=3.80) # produces 4 groups; no group has <10 members

由于拆分的高度在hc$height中给出，我可以使用hc$height + 0.00001创建一组候选值，然后循环遍历每个切割点。但是，我不知道如何从dendrogram类中解析出簇大小members。例如，cut(as.dendrogram(hc), h=3.80)$lower[[1]]$members返回NULL，而不是期望的66。

请注意，这是一个比Cutting dendrogram into n trees with minimum cluster size in R简单的问题；在这里，我没有指定树的数量，只指定了最小簇大小。非常感谢。

- C8H10N4O2

---

作为附注：members是一个属性 - attr(cut(as.dendrogram(hc), h=3.80)$lower[[1]], "members") 返回66。 - lukeA

Answer 1

感谢@Vlo和@lukeA，我现在能够实现循环。但是，我只是发布这个作为一个起点，并且非常愿意接受更优雅的解决方案。

unnest <- function(x) { # from Vlo's answer
  if(is.null(names(x))) x
  else c(list(all=unname(unlist(x))), do.call(c, lapply(x, unnest)))
}

cuts <- hc$height + 1e-9

min_size <- 10
smallest <- 0
i <- 0

while(smallest < min_size & i <= length(cuts)){
  h_i <- cuts[i <- i+1]
  if(i > length(cuts)){
    warning("Couldn't find a cluster big enough.")
  }
  else  smallest <- 
           Reduce(min, 
                  lapply(X = unnest(cut(as.dendrogram(hc), h=h_i)$lower), 
                         FUN = attr, which = "members") ) # from lukeA's comment
}
h_i # returns desired output: [1] 3.79211

- C8H10N4O2

Answer 2

此功能可在 dendextend 包中使用 heights_per_k.dendrogram 函数实现（当加载 dendextendRcpp 函数时，还有更快的 C++ 实现）。

## Not run: 
hc <- hclust(dist(USArrests[1:4,]), "ave")
dend <- as.dendrogram(hc)
heights_per_k.dendrogram(dend)
##       1        2        3        4
##86.47086 68.84745 45.98871 28.36531

作为附注，dendextend包有一个cutree.dendrogram方法用于树状图（它的工作方式与hclust对象的cutree非常相似）。

- Tal Galili

---

感谢您的回答（以及创建dendextend包，+1）。我已经撤销了您的标签编辑，因为我的问题并不是一个[dendextend]问题，虽然它可能很方便，但[dendextend]并不是唯一的解决方案。上下文。 - C8H10N4O2

你好@C8H10N4O2。很高兴你喜欢dendextend :) （有没有可能投一票“V”？）。至于删除标签-我看到了你链接的元数据。在我看来，由于dendextend是一个旨在回答此类问题的软件包-当人们查看dendextend标签时，我更希望他们能找到这个解决方案。即：http://meta.stackexchange.com/questions/26913/should-i-retag-a-question-with-a-tag-that-is-based-on-the-answer-and-not-the-que/26914#26914 由于这是你的问题-显然这是你的决定。 - Tal Galili

Answer 3

这并没有回答问题，但如果你决定遍历 h，可能对提取members有用。

从此处窃取并修改一些代码。

# Unnest the list/dendogram structure
unnest <- function(x) {
  if(is.null(names(x))) {
    x
  }
  else {
    c(list(all=unname(unlist(x))), do.call(c, lapply(x, unnest)))
  }
}

# Extract the `members` attribute from each dendogram
lapply(X = unnest(cut(as.dendrogram(hc), h=3.8)), FUN = attr, which = "members")

输出：

# Please don't ask me why there are 2 dendograms stored
# in the `$upper` list while `print` displays one

$upper1
[1] 2

$upper2
[1] 2

$lower1
[1] 66

$lower2
[1] 11

$lower3
[1] 24

$lower4
[1] 49

- Vlo