python hcluster，距離矩陣和濃縮距離矩陣

Question

我使用模塊hcluster從距離矩陣計算樹狀圖。我的距離矩陣是這樣生成的數組的數組：

import hcluster 
import numpy as np 

mols = (..a list of molecules) 
distMatrix = np.zeros((10, 10)) 
    for i in range(0,10):  
    for j in range(0,10): 
     sim = OETanimoto(mols[i],mols[j]) # a function to calculate similarity between molecules 
     distMatrix[i][j] = 1 - sim 

然後我使用命令distVec = hcluster.squareform(distMatrix)到矩陣轉換成冷凝矢量和與vecLink = hcluster.linkage(distVec)計算聯動矩陣。

所有這一切工作正常，但如果我計算使用距離矩陣，而不是濃縮載體的聯動矩陣matLink = hcluster.linkage(distMatrix)我得到一個不同的鏈接矩陣（節點之間的距離，很多大和拓撲結構略有不同）

現在我不確定這是否是因爲hcluster只能用於壓縮矢量，或者我在那裏犯錯誤。

感謝您的幫助！

Answer 1

我敲了一個類似於你的快速隨機的例子，並遇到同樣的問題。 在文檔字符串中的確如此：

對濃縮距離矩陣y執行分層/凝聚聚類。 y必須是：數學：{n \choose 2}大小爲 向量其中n是距離矩陣中配對的原始觀測值 的數量。

但是，仔細查看了代碼後，它似乎有意使它與矢量形狀和矩陣形代碼一起工作： 在hierachy.py中有一個基於矩陣形狀的開關。然而 看來，信息的關鍵位是功能聯動的文檔字符串：

- Q : ndarray 
     A condensed or redundant distance matrix. A condensed 
     distance matrix is a flat array containing the upper 
     triangular of the distance matrix. This is the form that 
     ``pdist`` returns. Alternatively, a collection of 
     :math:`m` observation vectors in n dimensions may be passed as 
     a :math:`m` by :math:`n` array. 

所以我認爲，該接口不允許距離矩陣的傳遞。 相反，它認爲你將它傳遞給n維的觀測向量m。 因此，結果的差異？

這是否合理？

其他只是看看代碼本身我相信你可以調試它，並找出你的例子爲什麼不同。

乾杯 馬特