Ctrl+K
scipy.cluster.hierarchy.

maxdists#

scipy.cluster.hierarchy.maxdists(Z)[源代码]#

返回任何非单例簇之间的最大距离。

参数:
Zndarray

编码为矩阵的层次聚类。有关更多信息，请参见 linkage。

返回:
maxdistsndarray

大小为 (n-1) 的双精度 numpy 数组；MD[i] 表示任何（包括单例）节点索引 i 及其下方节点之间的最大距离。更具体地说，MD[i] = Z[Q(i)-n, 2].max()，其中 Q(i) 是节点 i 及其下方所有节点索引的集合。

另请参阅

linkage

关于链接矩阵的描述。

is_monotonic

用于测试链接矩阵的单调性。

示例

>>> from scipy.cluster.hierarchy import median, maxdists
>>> from scipy.spatial.distance import pdist

给定一个链接矩阵 Z，scipy.cluster.hierarchy.maxdists 计算每个新生成的簇（即，链接矩阵的每一行）中，任何两个子簇之间的最大距离。

由于层次聚类的性质，在许多情况下，这只是合并以形成当前簇的两个子簇之间的距离 - 即 Z[:,2]。

然而，对于非单调簇分配，例如 scipy.cluster.hierarchy.median 聚类，情况并非总是如此：可能存在这样的簇形成，其中合并的两个簇之间的距离小于其子簇之间的距离。

我们可以在一个例子中看到这一点

>>> X = [[0, 0], [0, 1], [1, 0],
...      [0, 4], [0, 3], [1, 4],
...      [4, 0], [3, 0], [4, 1],
...      [4, 4], [3, 4], [4, 3]]

>>> Z = median(pdist(X))
>>> Z
array([[ 0.        ,  1.        ,  1.        ,  2.        ],
       [ 3.        ,  4.        ,  1.        ,  2.        ],
       [ 9.        , 10.        ,  1.        ,  2.        ],
       [ 6.        ,  7.        ,  1.        ,  2.        ],
       [ 2.        , 12.        ,  1.11803399,  3.        ],
       [ 5.        , 13.        ,  1.11803399,  3.        ],
       [ 8.        , 15.        ,  1.11803399,  3.        ],
       [11.        , 14.        ,  1.11803399,  3.        ],
       [18.        , 19.        ,  3.        ,  6.        ],
       [16.        , 17.        ,  3.5       ,  6.        ],
       [20.        , 21.        ,  3.25      , 12.        ]])
>>> maxdists(Z)
array([1.        , 1.        , 1.        , 1.        , 1.11803399,
       1.11803399, 1.11803399, 1.11803399, 3.        , 3.5       ,
       3.5       ])

请注意，虽然创建最后一个簇时合并的两个簇之间的距离为 3.25，但有两个子簇（簇 16 和 17）之间的距离更大（3.5）。因此，scipy.cluster.hierarchy.maxdists 在这种情况下返回 3.5。

在本页