传递距离矩阵给 seaborn 的 clustermap 函数

Question

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

已经有一些帖子介绍了这个问题，例如： 在scipy.cluster.hierarchy.linkage()中使用距离矩阵？ 但它们都指向了 scipy hierarchy linkage 该函数需要聚类度量和方法作为参数。

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

输入 y 可以是一个压缩的距离矩阵或一个观测向量的二维数组。

我不理解的是：

我的距离矩阵已经基于特定的度量和方法，那么我为什么要在 scipy hierarchy linkage中重新计算呢？ 是否有选项可以纯粹使用我的距离并创建链接？

- Mario L

---

你说linkage“以聚类度量和方法作为参数”。再看一下文档字符串；linkage还接受预先计算的距离，但它们必须表示为“压缩”的距离矩阵（这只是一个包含距离矩阵中非冗余数据的1-d数组）。如果将压缩的距离矩阵传递给linkage，则忽略度量参数。然后再看一下你链接的第一个问题，它回答了你的问题。 - Warren Weckesser

Answer 1

为了后代，这里提供一个完整的方法来完成此操作，因为评论中的@WarrenWeckesser和链接答案中的@SibbsGambling留下了一些细节。

假设`distMatrix`是您的距离矩阵（不必为欧几里德距离），其中行`i`和列`j`中的条目表示第`i`个和第`j`个对象之间的距离。然后：

# 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)

注意，在创建 clustermap 时，您仍需要引用原始矩阵。如果您想使用不同的聚类方法，例如 method='ward'，请在定义 distLinkage 时包括该选项。

- Jānis Lazovskis