从seaborn clustermap中提取集群

Question

我正在使用它seaborn clustermap创建集群,在视觉上它工作得很好(这个例子产生非常相似的结果).

但是,我无法弄清楚如何以编程方式提取集群.例如,在示例链接中,我怎么能发现1-1 rh,1-1 lh,5-1 rh,5-1 lh是一个很好的聚类？视觉上很容易.我正在尝试使用查看数据和树形图的方法,但我收效甚微

从示例编辑代码:

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)

如何从哪些模型中拉出哪些模型result？

EDIT2 将result不会与它携带linkage与在dendrogram_col我认为会一起工作fcluster.但选择的阈值让我感到困惑.我会假设热图中高于阈值的值会聚集在一起吗？

Answer 1

在使用result.linkage.dendrogram_col或result.linkage.dendrogram_row将要使用时,它似乎是一个实现细节.最安全的方法是首先明确计算的联系,并将其传递给clustermap函数,它row_linkage和col_linkage刚才为参数.

result =使用以下代码替换示例(...)中的最后一行会得到与以前相同的结果,但您也可以使用row_linkage和col_linkage变量一起使用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)

在该特定示例中,代码可以被更简化,因为相关阵列是对称的并且因此row_linkage并且col_linkage将是相同的.

注意:之前的答案包括distance.squareshape根据seaborn中的代码调用,但这是一个错误.

Answer 2

您可能希望数据框中的新列具有集群成员资格.我已经设法通过从整个网络上窃取的代码片段来实现这一点:

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

因此,这为绿色或红色标记的簇提供了一个带有"g"或"r"的列.我通过绘制树形图来确定我的color_threshold,并注视y轴值.