所以，我有一套我想對其進行聚類分析的文本。我已經採取了一切文本之間的Normalized Compression Distance，現在我已經基本建成加權邊的完整的圖形，看起來是這樣的：如何將距離數據插入scipy的凝聚式聚類方法？
text1, text2, 0.539
text2, text3, 0.675
我有巨大的困難，找出堵塞這個數據的最佳方式融入scipy的層次聚類方法。我可以將距離數據轉換成類似this page的表格。我怎樣才能格式化這些數據，以便它可以很容易地插入到scipy的HAC代碼中？
您正處在正確的軌道上，將數據轉換爲鏈接頁面上的表格（冗餘距離矩陣）。根據文檔，您應該能夠將其直接傳遞到scipy.cluster.hierarchy.linkage或相關函數，例如scipy.cluster.hierarchy.single或scipy.cluster.hierarchy.complete。相關函數明確指定應如何計算羣集之間的距離。 scipy.cluster.hierarchy.linkage可讓您指定所需的任何方法，但默認爲單個鏈接（即兩個集羣之間的距離是其最近點之間的距離）。所有這些方法將返回一個表示凝聚聚類的多維數組。然後，您可以使用scipy.cluster.hierarchy模塊的其餘部分對該羣集執行各種操作，例如對其進行可視化或展平。
但是，有一個問題。在編寫this question的時候，儘管文檔說明了可以，但實際上不能使用冗餘距離矩陣。基於github issue仍然開放的事實，我認爲這還沒有解決。正如鏈接問題的答案中所指出的那樣，您可以通過將完整的距離矩陣傳遞到scipy.spatial.distance.squareform函數來解決此問題，該函數將其轉換爲實際接受的格式（包含上三角部分的平面數組距離矩陣，稱爲濃縮距離矩陣）。然後，您可以將結果傳遞給scipy.cluster.hierarchy函數之一。