在scipy中的分层聚类的树状图中，我想突出显示连接特定两个标签（例如0和1）的链接。
import scipy.cluster.hierarchy as hac
from matplotlib import pyplot as plt
clustering = hac.linkage(points, method='single', metric='cosine')
link_colors = ["black"] * (2 * len(points) - 1)
hac.dendrogram(clustering, link_color_func=lambda k: link_colors[k])
plt.show()
群集具有以下格式：
clustering[i]对应于节点号len(points) + i，其前两个数字是链接的节点的索引。索引小于len(points)的节点对应于原始points，而群集的索引较高。绘制树状图时，将使用链接的不同索引，这些是用于选择颜色的索引。链接的索引（在
link_colors中索引）如何与clustering中的索引对应？ 最佳答案
您已经非常接近解决方案。 clustering中的索引按clustering数组的第三列的大小排序。 link_color_func的颜色列表的索引是clustering的索引+ points的长度。
import scipy.cluster.hierarchy as hac
from matplotlib import pyplot as plt
import numpy as np
# Sample data
points = np.array([[8, 7, 7, 1],
[8, 4, 7, 0],
[4, 0, 6, 4],
[2, 4, 6, 3],
[3, 7, 8, 5]])
clustering = hac.linkage(points, method='single', metric='cosine')
clustering看起来确实像这样array([[3. , 4. , 0.00766939, 2. ],
[0. , 1. , 0.02763245, 2. ],
[5. , 6. , 0.13433008, 4. ],
[2. , 7. , 0.15768043, 5. ]])
如您所见，排序方式（以及行索引）是根据
clustering由第三列进行排序的结果。现在要突出显示特定链接（例如，您建议的[0,1]），您必须在
clustering中找到对[0,1]对的行索引，然后添加len(points)。结果数字是为link_color_func提供的颜色列表的索引。# Initialize the link_colors list with 'black' (as you did already)
link_colors = ['black'] * (2 * len(points) - 1)
# Specify link you want to have highlighted
link_highlight = (0, 1)
# Find index in clustering where first two columns are equal to link_highlight. This will cause an exception if you look for a link, which is not in clustering (e.g. [0,4])
index_highlight = np.where((clustering[:,0] == link_highlight[0]) *
(clustering[:,1] == link_highlight[1]))[0][0]
# Index in color_list of desired link is index from clustering + length of points
link_colors[index_highlight + len(points)] = 'red'
hac.dendrogram(clustering, link_color_func=lambda k: link_colors[k])
plt.show()
这样，您可以突出显示所需的链接：
它也适用于原始元素和群集之间或两个群集之间的链接（例如
link_highlight = (5, 6)）