R根据cutree标签从树状图中获取子树

Question

我对一个大型数据集进行了聚类，发现了 6 个我有兴趣深入分析的聚类。

我发现集群使用 hclust 和 "ward.D" 方法，我想知道是否有办法从 hclust/dendrogram 对象中获取 "sub-trees"。

例如

library(gplots)
library(dendextend)

data <- iris[,1:4]
distance <- dist(data, method = "euclidean", diag = FALSE, upper = FALSE)
hc <- hclust(distance, method = 'ward.D')
dnd <- as.dendrogram(hc)
plot(dnd) # to decide the number of clusters
clusters <- cutree(dnd, k = 6)

我使用 cutree 获取数据集中每一行的标签。

我知道我可以通过以下方式获取每个相应集群（例如集群 1）的数据：

c1_data = data[clusters == 1,]

是否有任何简单的方法来获取 dendextend::cutree 返回的每个相应标签的子树？例如，假设我有兴趣获得

我知道我可以访问树状图的分支做类似的事情

subtree <- dnd[[1]][[2]

但是我怎样才能准确地得到对应于簇 1 的子树呢？

我试过了

dnd[clusters == 1]

但这当然行不通。那么如何根据cutree返回的标签得到子树呢？

Answer 1

你是如何使用 hclust 得到 6 个集群的？你可以随时砍树，所以你只需要让 cuttree 给你更多的集群：

clusters = cutree(hclusters, number_of_clusters)

如果您有大量数据，这可能不是很方便。在这些情况下，我所做的是手动选择我想进一步研究的集群，然后仅对这些集群中的数据进行运行 hclust。我不知道 hclust 中有什么功能可以让您自动执行此操作，但这很简单：

good_clusters = c(which(clusters==1), 
                  which(clusters==2)) #or whichever cLusters you want
new_df = df[good_clusters,]
new_hclusters = hclust(new_df)
new_clusters = cutree(new_hclusters, new_number_of_clusters)

Answer 2

================= 更新的答案

现在可以使用 dendextend 中的 get_subdendrograms 来解决这个问题。

# needed packages:
# install.packages(gplots)
# install.packages(viridis)
# install.packages(devtools)
# devtools::install_github('talgalili/dendextend') # dendextend from github

# define dendrogram object to play with:
dend <- iris[,-5] %>% dist %>% hclust %>% as.dendrogram %>%  set("labels_to_character") %>% color_branches(k=5)
dend_list <- get_subdendrograms(dend, 5)

# Plotting the result
par(mfrow = c(2,3))
plot(dend, main = "Original dendrogram")
sapply(dend_list, plot)

这也可以在热图中使用：

# plot a heatmap of only one of the sub dendrograms
par(mfrow = c(1,1))
library(gplots)
sub_dend <- dend_list[[1]] # get the sub dendrogram
# make sure of the size of the dend
nleaves(sub_dend)
length(order.dendrogram(sub_dend))
# get the subset of the data
subset_iris <- as.matrix(iris[order.dendrogram(sub_dend),-5])
# update the dendrogram's internal order so to not cause an error in heatmap.2
order.dendrogram(sub_dend) <- rank(order.dendrogram(sub_dend))
heatmap.2(subset_iris, Rowv = sub_dend, trace = "none", col = viridis::viridis(100))

================= 旧答案

我觉得对你有帮助的是这两个功能：

第一个只是遍历所有集群并提取子结构。它需要：

我们要从中获取子树状图的 dendrogram 对象
簇标签（例如 cutree 返回）

Returns 子树状图列表。

extractDendrograms <- function(dendr, clusters){
    lapply(unique(clusters), function(clust.id){
        getSubDendrogram(dendr, which(clusters==clust.id))
    })
}

第二个执行深度优先搜索以确定集群存在于哪个子树中，以及它是否与整个集群匹配 returns。在这里，我们假设集群的所有元素都在一个子树中。它需要：

树状图对象
簇中元素的位置

Returns 对应给定元素簇的子树状图。

getSubDendrogram<-function(dendr, my.clust){
    if(all(unlist(dendr) %in% my.clust))
        return(dendr)
    if(any(unlist(dendr[[1]]) %in% my.clust ))
        return(getSubDendrogram(dendr[[1]], my.clust))
    else 
        return(getSubDendrogram(dendr[[2]], my.clust))
}

使用这两个函数，我们可以使用您在问题中提供的变量并获得以下输出。（我认为 clusters <- cutree(dnd, k = 6) 行应该是 clusters <- cutree(hc, k = 6) ）

my.sub.dendrograms <- extractDendrograms(dnd, clusters)

绘制列表中的所有六个元素给出所有子树状图

编辑

正如评论中所建议的，我添加了一个函数，作为输入采用树状图 dend 和子树的数量 k，但它仍然使用先前定义的递归函数 getSubDendrogram:

prune_cutree_to_dendlist <- function(dend, k, order_clusters_as_data=FALSE) {
    clusters <- cutree(dend, k, order_clusters_as_data)
    lapply(unique(clusters), function(clust.id){    
        getSubDendrogram(dend, which(clusters==clust.id))
    })
}

5 个子结构的测试用例：

library(dendextend)
dend <- iris[,-5] %>% dist %>% hclust %>% as.dendrogram %>% set("labels_to_character") %>% color_branches(k=5)

subdend.list <- prune_cutree_to_dendlist(dend, 5)

#plotting
par(mfrow = c(2,3))
plot(dend, main = "original dend")
sapply(prunned_dends, plot)

我使用 rbenchmark 和 Tal Galili 建议的函数（此处命名为 prune_cutree_to_dendlist2）执行了一些基准测试，结果对于上述 DFS 方法来说非常有希望：

library(rbenchmark)
benchmark(prune_cutree_to_dendlist(dend, 5), 
          prune_cutree_to_dendlist2(dend, 5), replications=5)

                                test replications elapsed relative user.self
1  prune_cutree_to_dendlist(dend, 5)            5    0.02        1     0.020
2 prune_cutree_to_dendlist2(dend, 5)            5   60.82     3041    60.643

Answer 3

我现在编写函数 prune_cutree_to_dendlist 来执行您要求的操作。我应该在将来的某个时候将它添加到 dendextend。

同时，这里有一个代码和输出的例子（功能有点慢。让它更快依赖于剪枝更快，我不会在不久的将来修复。）

# install.packages("dendextend")

library(dendextend)
dend <- iris[,-5] %>% dist %>% hclust %>% as.dendrogram %>% 
  set("labels_to_character")
dend <- dend %>% color_branches(k=5)

# plot(dend)

prune_cutree_to_dendlist <- function(dend, k) {
  clusters <- cutree(dend,k, order_clusters_as_data = FALSE)
  # unique_clusters <- unique(clusters) # could also be 1:k but it would be less robust
  # k <- length(unique_clusters)
  # for(i in unique_clusters) { 
  dends <- vector("list", k)
  for(i in 1:k) { 
    leves_to_prune <- labels(dend)[clusters != i]
    dends[[i]] <- prune(dend, leves_to_prune)

  }

  class(dends) <- "dendlist"

  dends
}

prunned_dends <- prune_cutree_to_dendlist(dend, 5)
sapply(prunned_dends, nleaves)

par(mfrow = c(2,3))
plot(dend, main = "original dend")
sapply(prunned_dends, plot)

R根据cutree标签从树状图中获取子树

R getting subtrees from dendrogram based on cutree labels

r

hclust

dendextend