从seaborn聚类图中提取聚类

Question

我正在使用seaborn clustermap创建集群，并且在视觉上它工作得很好（这个example产生了非常相似的结果）。

但是，我很难找出如何以编程方式提取集群。例如，在示例链接中，我如何发现1-1rh、1-1lh、5-1rh、5-1lh是一个好的集群？视觉上很容易。我试着用各种方法查看数据和树状图，但收效甚微

编辑示例中的代码：

import pandas as pd
import seaborn as sns
sns.set(font="monospace")

df = sns.load_dataset("brain_networks", header=[0, 1, 2], index_col=0)
used_networks = [1, 5, 6, 7, 8, 11, 12, 13, 16, 17]
used_columns = (df.columns.get_level_values("network")
                          .astype(int)
                          .isin(used_networks))
df = df.loc[:, used_columns]

network_pal = sns.cubehelix_palette(len(used_networks),
                                    light=.9, dark=.1, reverse=True,
                                    start=1, rot=-2)
network_lut = dict(zip(map(str, used_networks), network_pal))

networks = df.columns.get_level_values("network")
network_colors = pd.Series(networks).map(network_lut)

cmap = sns.diverging_palette(h_neg=210, h_pos=350, s=90, l=30, as_cmap=True)

result = sns.clustermap(df.corr(), row_colors=network_colors, method="average",
               col_colors=network_colors, figsize=(13, 13), cmap=cmap)

我怎样才能从result中提取出哪些集群的模型？

EDIT2这个result带有一个linkage和dendrogram_col一起，我认为它可以和fcluster一起工作。但要选择的阈值让我困惑。我假设热图中高于阈值的值会聚集在一起？

Answer 1

您可能需要在数据帧中添加具有群集成员身份的新列。我从网上偷来的汇编代码片段中成功做到了这一点：

import seaborn
import scipy

g = seaborn.clustermap(df,method='average')
den = scipy.cluster.hierarchy.dendrogram(g.dendrogram_col.linkage,
                                         labels = df.index,
                                         color_threshold=0.60)  
from collections import defaultdict

def get_cluster_classes(den, label='ivl'):
    cluster_idxs = defaultdict(list)
    for c, pi in zip(den['color_list'], den['icoord']):
        for leg in pi[1:3]:
            i = (leg - 5.0) / 10.0
            if abs(i - int(i)) < 1e-5:
                cluster_idxs[c].append(int(i))

    cluster_classes = {}
    for c, l in cluster_idxs.items():
        i_l = [den[label][i] for i in l]
        cluster_classes[c] = i_l

    return cluster_classes

clusters = get_cluster_classes(den)

cluster = []
for i in df.index:
    included=False
    for j in clusters.keys():
        if i in clusters[j]:
            cluster.append(j)
            included=True
    if not included:
        cluster.append(None)

df["cluster"] = cluster

所以这给了你一个列，用“g”或“r”表示绿色或红色标记的簇。我通过绘制树状图和观察y轴值来确定我的颜色阈值。

Answer 2

虽然使用result.linkage.dendrogram_col或result.linkage.dendrogram_row目前可以工作，但这似乎是一个实现细节。最安全的方法是首先显式地计算链接并将它们传递给clustermap函数，该函数仅具有row_linkage和col_linkage参数。

用下面的代码替换示例（result =…）中的最后一行可以得到与前面相同的结果，但是您还可以使用row_linkage和col_linkage变量来处理fcluster等

from scipy.spatial import distance
from scipy.cluster import hierarchy

correlations = df.corr()
correlations_array = np.asarray(df.corr())

row_linkage = hierarchy.linkage(
    distance.pdist(correlations_array), method='average')

col_linkage = hierarchy.linkage(
    distance.pdist(correlations_array.T), method='average')

sns.clustermap(correlations, row_linkage=row_linkage, col_linkage=col_linkage, row_colors=network_colors, method="average",
               col_colors=network_colors, figsize=(13, 13), cmap=cmap)

在这个特定的例子中，由于关联数组是对称的，因此row_linkage和col_linkage将是相同的，所以代码可以简化得更多。

注意：之前的回答包括根据seaborn中的代码所做的调用distance.squareshape，但是is a bug。