Срез дерева и прямоугольники вокруг скоплений для горизонтальной дендрограммы в R

Question

Я пытаюсь представить результаты иерархической кластеризации в R как дендрограмма, с прямоугольниками, идентифицирующими кластеры.

Следующий код выполняет трюк для вертикальной дендрограммы, но для горизонтальной дендрограммы, (horiz=TRUE), прямоугольники не нарисованы. Есть ли способ сделать то же самое для горизонтальных дендрограмм тоже.

library("cluster")
dst <- daisy(iris, metric = c("gower"), stand = FALSE)
hca <- hclust(dst, method = "average")
plot(as.dendrogram(hca), horiz = FALSE)
rect.hclust(hca, k = 3, border = "red")

Кроме того, я хотел бы построить линию, чтобы отрезать дерево на желаемом расстоянии. Как построить это в R. cutree Функция возвращает кластеры, но есть ли возможность их построить.

cutree(hca, k = 3)

Желаемый результат, который я ищу, таков.

Как это сделать в R?

Answer 1

Ответы jlhoward и Backlin хороши.

То, что вы также можете попробовать, это использовать dendextend пакет, предназначенный именно для такого рода вещей. Оно имеет rect.dendrogram функция, которая работает как rect.hclust, но с параметром horiz (плюс еще немного контроля над расположением края прямоугольника). Для нахождения соответствующей высоты вы можете использовать heights_per_k.dendrogram функция (которая намного быстрее при использовании dendextendRcpp пакет)

Вот простой пример того, как вы получите тот же результат, что и в приведенных выше примерах (с дополнительным бонусом цветных веток, просто для удовольствия):

install.packages("dendextend")
install.packages("dendextendRcpp")

library("dendextend")
library("dendextendRcpp")

# using piping to get the dend
dend <- iris[,-5] %>% dist %>% hclust %>% as.dendrogram

# plot + color the dend's branches before, based on 3 clusters:
dend %>% color_branches(k=3) %>% plot(horiz=TRUE, main = "The dendextend package \n Gives extended functionality to R's dendrogram object")

# add horiz rect
dend %>% rect.dendrogram(k=3,horiz=TRUE)

# add horiz (well, vertical) line:
abline(v = heights_per_k.dendrogram(dend)["3"] + .6, lwd = 2, lty = 2, col = "blue")

Answer 2

Вот решение с использованием ggplot и ggdendro пакет. В качестве дополнительного бонуса мы можем раскрасить этикетки по кластерам...

library(cluster)
dst   <- daisy(iris, metric = c("gower"), stand = FALSE)
hca   <- hclust(dst, method = "average")
k     <- 3
clust <- cutree(hca,k=k)  # k clusters

library(ggplot2)
library(ggdendro)     # for dendro_data(...)
dendr    <- dendro_data(hca, type="rectangle") # convert for ggplot
clust.df <- data.frame(label=rownames(iris), cluster=factor(clust))
dendr[["labels"]]   <- merge(dendr[["labels"]],clust.df, by="label")
rect <- aggregate(x~cluster,label(dendr),range)
rect <- data.frame(rect$cluster,rect$x)
ymax <- mean(hca$height[length(hca$height)-((k-2):(k-1))])

ggplot() + 
  geom_segment(data=segment(dendr), aes(x=x, y=y, xend=xend, yend=yend)) + 
  geom_text(data=label(dendr), aes(x, y, label=label, hjust=0, color=cluster), 
            size=3) +
  geom_rect(data=rect, aes(xmin=X1-.3, xmax=X2+.3, ymin=0, ymax=ymax), 
            color="red", fill=NA)+
  geom_hline(yintercept=0.33, color="blue")+
  coord_flip() + scale_y_reverse(expand=c(0.2, 0)) + 
  theme_dendro()

Answer 3

Чтобы просто выполнить работу (хотя и довольно уродливо), вы можете просто поменять местами координаты в вызове rect в rect.hclust:

rhc <- function (tree, k = NULL, which = NULL, x = NULL, h = NULL, border = 2, 
    cluster = NULL) 
{
    if (length(h) > 1L | length(k) > 1L) 
        stop("'k' and 'h' must be a scalar")
    if (!is.null(h)) {
        if (!is.null(k)) 
            stop("specify exactly one of 'k' and 'h'")
        k <- min(which(rev(tree$height) < h))
        k <- max(k, 2)
    }
    else if (is.null(k)) 
        stop("specify exactly one of 'k' and 'h'")
    if (k < 2 | k > length(tree$height)) 
        stop(gettextf("k must be between 2 and %d", length(tree$height)), 
            domain = NA)
    if (is.null(cluster)) 
        cluster <- cutree(tree, k = k)
    clustab <- table(cluster)[unique(cluster[tree$order])]
    m <- c(0, cumsum(clustab))
    if (!is.null(x)) {
        if (!is.null(which)) 
            stop("specify exactly one of 'which' and 'x'")
        which <- x
        for (n in seq_along(x)) which[n] <- max(which(m < x[n]))
    }
    else if (is.null(which)) 
        which <- 1L:k
    if (any(which > k)) 
        stop(gettextf("all elements of 'which' must be between 1 and %d", 
            k), domain = NA)
    border <- rep_len(border, length(which))
    retval <- list()
    for (n in seq_along(which)) {
        rect(
             ybottom = m[which[n]] + 0.66,
             xright = par("usr")[3L],
             ytop = m[which[n] + 1] + 0.33,
             xleft = mean(rev(tree$height)[(k - 1):k]),
             border = border[n])
        retval[[n]] <- which(cluster == as.integer(names(clustab)[which[n]]))
    }
    invisible(retval)
}

и позвонить rhc как ты звонил rect.hclust:

rhc(hca, k = 3, border = "red")