python 数据框中单链接的层次聚类

Question

我有一个 pandas 数据框来进行层次聚类。

    A   B   C
A   0   1   3
B   1   0   2
C   3   2   0

我试过的代码：

z=linkage(df,'single')
dn = dendrogram(z,labels=index)

然后我得到了一个奇怪的结果：A&B 作为一个簇，距离为 1.73（正确应该是 1），然后 A&B&C 作为一个簇，距离为 3.46（正确应该是 2）。

Answer 1

scipy.cluster.hierarchy.linkage中使用的默认距离是欧氏距离，定义为d(x,y) = \sqrt(\sum(x_i-y_i))（可以查看here）。我认为您感到困惑的原因是因为您取平均值（并计算均方根误差）。

所以在你的情况下 d(A,B) = \sqrt(3) = 1.73

那么，由于你的链接是single，(A,B)和C的距离就是d(A,C)和d(B,C)之间的最小值，也就是d(B,C) = \sqrt(12)

hierarchical clustering with single linkage in python dataframe