Python：使用 Scipy 的树状图不起作用

Question

我想使用 scipy 的树状图。我有以下数据：

我有一个包含七种不同方式的列表。例如：

Y = [71.407452200146807, 0, 33.700136456196823, 1112.3757110973756, 31.594949722819372, 34.823881975554166, 28.36368420190157]

每个平均值是为不同的用户计算的。例如：

X = ["user1", "user2", "user3", "user4", "user5", "user6", "user7"]

我的目标是在树状图的帮助下显示上述数据。

我尝试了以下方法：

Y = [71.407452200146807, 0, 33.700136456196823, 1112.3757110973756, 31.594949722819372, 34.823881975554166, 28.36368420190157]
X = ["user1", "user2", "user3", "user4", "user5", "user6", "user7"]

# Attempt with matrix
#X = np.concatenate((X, Y),)
#Z = linkage(X)

Z = linkage(Y)
# Plot the dendogram with the results above
dendrogram(Z, leaf_rotation=45., leaf_font_size=12. , show_contracted=True)
plt.style.use("seaborn-whitegrid")
plt.title("Dendogram to find clusters")
plt.ylabel("Distance")
plt.show()

但它说：

ValueError：压缩距离矩阵 'y' 的长度 n 必须是二项式系数，即必须有 ak 使得 (k \choose 2)=n)！

我已经尝试将我的数据转换为矩阵。和：

# Attempt with matrix
#X = np.concatenate((X, Y),)
#Z = linkage(X)

但这也行不通！

有什么建议吗？

谢谢 ：-）

Answer 1

的第一个参数linkage要么是一个 nxm 数组，表示 m 维空间中的 n 个点，要么是一个包含压缩距离矩阵的一维数组。这是两种截然不同的意思！第一个是原始数据，即观察值。第二种格式假设您已经计算了观测值之间的所有距离，并且您将这些距离提供给linkage，而不是原始点。

看起来你想要第一种情况（原始数据），m = 1。所以你必须重塑输入以具有形状（n，1）。

替换这个：

Z = linkage(Y)

和：

Z = linkage(np.reshape(Y, (len(Y), 1)))