我有一个8x8矩阵：
1 1 0 0 0 0 0 0
1 0 0 0 0 0 0 0
0 0 1 1 0 0 0 0
0 0 0 0 0 0 0 0
0 0 0 0 0 1 0 0
0 0 0 0 0 1 0 0
0 0 0 1 0 0 0 0
0 0 0 0 0 0 0 1
创建它的代码：
examplemat <- matrix(c(1, 1, rep(0, 6), 1, rep(0, 9), 1, 1, rep(0, 17), 1, rep(0, 7), 1, rep(0, 5), 1, rep(0, 11), 1), 8, 8, byrow=T)
它们被提取为坐标：
onecoords <- which(examplemat == 1, arr.ind=T)
row col
[1,] 1 1
[2,] 2 1
[3,] 1 2
[4,] 3 3
[5,] 3 4
[6,] 7 4
[7,] 5 6
[8,] 6 6
[9,] 8 8
我需要一个简单的，矢量化的方法来聚类成一组相邻的坐标。（在本任务中，我希望使用4向上/下/左/右邻接，但您也可能需要8向邻接（包括对角线）选项。）
在本例中，我们将得到5组单元：
row col clus
[1,] 1 1 A
[2,] 2 1 A
[3,] 1 2 A
[4,] 3 3 B
[5,] 3 4 B
[6,] 7 4 C
[7,] 5 6 D
[8,] 6 6 D
[9,] 8 8 E
四向邻接检查非常简单：
sum(abs(onecoords[1,] - onecoords[2,])) == 1但我正在努力研究如何有效地将其矢量化。 最佳答案
感谢阿列克西斯拉兹和Carl Witthoft的非常有用的意见，让我自己回答这个问题。
四向邻接
要获得基于四向邻接的簇，请在曼哈顿距离上使用具有单个链接的分层簇：
cbind(onecoords, clus = cutree(hclust(dist(onecoords, "manhattan"), "single"), h = 1))
row col clus
[1,] 1 1 1
[2,] 2 1 1
[3,] 1 2 1
[4,] 3 3 2
[5,] 3 4 2
[6,] 7 4 3
[7,] 5 6 4
[8,] 6 6 4
[9,] 8 8 5
八向邻接
为了获得基于八路邻接（包括对角线）的簇，在最大距离上使用单链接的分层聚类：
cbind(onecoords, clus = cutree(hclust(dist(onecoords, "maximum"), "single"), h = 1))
曼哈顿与最大距离的区别
在示例的情况下，这些都给出相同的结果，但是如果您移除第一行，例如，您将看到曼哈顿距离产生6个簇，而最大距离产生5个簇。
cbind(onecoords[2:9,], clus = cutree(hclust(dist(onecoords[2:9,], "manhattan"), "single"), h = 1))
row col clus
[1,] 2 1 1
[2,] 1 2 2
[3,] 3 3 3
[4,] 3 4 3
[5,] 7 4 4
[6,] 5 6 5
[7,] 6 6 5
[8,] 8 8 6
cbind(onecoords[2:9,], clus = cutree(hclust(dist(onecoords[2:9,], "maximum"), "single"), h = 1))
row col clus
[1,] 2 1 1
[2,] 1 2 1
[3,] 3 3 2
[4,] 3 4 2
[5,] 7 4 3
[6,] 5 6 4
[7,] 6 6 4
[8,] 8 8 5
关于r - 标记矩阵中的相邻点，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/37945868/