scipy dendrogram to json for d3.js tree visualization

Question

我试图将scipy层次聚类的结果转换为json,以便在d3.js中显示这里的一个例子

以下代码生成具有6个分支的树形图.

import pandas as pd 
import scipy.spatial
import scipy.cluster

d = {'employee' : ['A', 'B', 'C', 'D', 'E', 'F'],
 'skillX': [2,8,3,6,8,10],
 'skillY': [8,15,6,9,7,10]}

d1 = pd.DataFrame(d)

distMat = xPairWiseDist = scipy.spatial.distance.pdist(np.array(d1[['skillX', 'skillY']]), 'euclidean')
clusters = scipy.cluster.hierarchy.linkage(distMat, method='single')
dendo  = scipy.cluster.hierarchy.dendrogram(clusters, labels = list(d1.employee), orientation = 'right')

dendo

我的问题 如何以d3.js理解的格式表示json文件中的数据

{'name': 'Root1’, 
      'children':[{'name' : 'B'},
                  {'name': 'E-D-F-C-A',
                           'children' : [{'name': 'C-A',
                                         'children' : {'name': 'A'}, 
                                                      {'name' : 'C'}]
                                                 }
                   }
                   ]
}

令人尴尬的事实是,我不知道我是否可以从树形图或连接矩阵中提取这些信息以及如何提取

我很感激能得到任何帮助.

编辑澄清

到目前为止,我已尝试使用totree方法,但难以理解其结构(是的,我阅读了文档).

a = scipy.cluster.hierarchy.to_tree(clusters , rd=True)

for x in a[1]:
 #print x.get_id()
 if x.is_leaf() != True :
     print  x.get_left().get_id(), x.get_right().get_id(), x.get_count()

Answer 1

您可以通过三个步骤完成此操作:

1. 递归构造一个嵌套字典,表示Scipy to_tree方法返回的树.
2. 迭代嵌套字典,用子树中的叶子标记每个内部节点.
3. dump 生成的嵌套字典到JSON并加载到d3.

构造一个表示树形图的嵌套字典

对于第一步,重要的是调用to_tree,rd=False以便返回树形图的根.从该根开始,您可以构建嵌套字典,如下所示:

# Create a nested dictionary from the ClusterNode's returned by SciPy
def add_node(node, parent ):
    # First create the new node and append it to its parent's children
    newNode = dict( node_id=node.id, children=[] )
    parent["children"].append( newNode )

    # Recursively add the current node's children
    if node.left: add_node( node.left, newNode )
    if node.right: add_node( node.right, newNode )

T = scipy.cluster.hierarchy.to_tree( clusters , rd=False )
d3Dendro = dict(children=[], name="Root1")
add_node( T, d3Dendro )
# Output: => {'name': 'Root1', 'children': [{'node_id': 10, 'children': [{'node_id': 1, 'children': []}, {'node_id': 9, 'children': [{'node_id': 6, 'children': [{'node_id': 0, 'children': []}, {'node_id': 2, 'children': []}]}, {'node_id': 8, 'children': [{'node_id': 5, 'children': []}, {'node_id': 7, 'children': [{'node_id': 3, 'children': []}, {'node_id': 4, 'children': []}]}]}]}]}]}

基本思想是从不在树形图中的节点开始,该节点将作为整个树形图的根.然后我们递归地将左右孩子添加到这本字典中,直到我们到达树叶.此时,我们没有节点的标签,所以我只是按其clusterNode ID标记节点.

标记树形图

接下来,我们需要使用node_ids来标记树形图.评论应该足以说明这是如何工作的.

# Label each node with the names of each leaf in its subtree
def label_tree( n ):
    # If the node is a leaf, then we have its name
    if len(n["children"]) == 0:
        leafNames = [ id2name[n["node_id"]] ]

    # If not, flatten all the leaves in the node's subtree
    else:
        leafNames = reduce(lambda ls, c: ls + label_tree(c), n["children"], [])

    # Delete the node id since we don't need it anymore and
    # it makes for cleaner JSON
    del n["node_id"]

    # Labeling convention: "-"-separated leaf names
    n["name"] = name = "-".join(sorted(map(str, leafNames)))

    return leafNames

label_tree( d3Dendro["children"][0] )

转储到JSON并加载到D3

最后,在树形图被标记之后,我们只需将其输出到JSON并加载到D3中.我只是粘贴Python代码将其转储到JSON以获得完整性.

# Output to JSON
json.dump(d3Dendro, open("d3-dendrogram.json", "w"), sort_keys=True, indent=4)

产量

我在下面创建了Scipy和D3版本的树形图.对于D3版本,我只需将输出('d3-dendrogram.json')的JSON文件插入此Gist.

SciPy树状图

D3树形图