scipy.cluster.hierarchy.
to_mlab_linkage#
- scipy.cluster.hierarchy.to_mlab_linkage(Z)[source]#
将链接矩阵转换为与 MATLAB(TM) 兼容的矩阵。
将此模块的链接函数生成的链接矩阵
Z
转换为与 MATLAB(TM) 兼容的矩阵。 返回的链接矩阵删除了最后一列,并将聚类索引转换为1..N
索引。- 参数:
- Zndarray
由
scipy.cluster.hierarchy
生成的链接矩阵。
- 返回:
- to_mlab_linkagendarray
与 MATLAB(TM) 的层次聚类函数兼容的链接矩阵。
返回的链接矩阵删除了最后一列,并将聚类索引转换为
1..N
索引。
参见
linkage
有关链接矩阵是什么的描述。
from_mlab_linkage
从 Matlab 转换为 SciPy 格式。
注释
to_mlab_linkage
除了 NumPy 之外,还实验性地支持 Python Array API Standard 兼容后端。 请考虑通过设置环境变量SCIPY_ARRAY_API=1
并提供 CuPy、PyTorch、JAX 或 Dask 数组作为数组参数来测试这些功能。 支持以下后端和设备(或其他功能)的组合。库
CPU
GPU
NumPy
✅
不适用
CuPy
不适用
✅
PyTorch
✅
✅
JAX
✅
✅
Dask
✅
不适用
有关更多信息,请参见 对数组 API 标准的支持。
示例
>>> from scipy.cluster.hierarchy import ward, to_mlab_linkage >>> from scipy.spatial.distance import pdist
>>> 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 = ward(pdist(X)) >>> Z array([[ 0. , 1. , 1. , 2. ], [ 3. , 4. , 1. , 2. ], [ 6. , 7. , 1. , 2. ], [ 9. , 10. , 1. , 2. ], [ 2. , 12. , 1.29099445, 3. ], [ 5. , 13. , 1.29099445, 3. ], [ 8. , 14. , 1.29099445, 3. ], [11. , 15. , 1.29099445, 3. ], [16. , 17. , 5.77350269, 6. ], [18. , 19. , 5.77350269, 6. ], [20. , 21. , 8.16496581, 12. ]])
创建链接矩阵
Z
后,我们可以使用scipy.cluster.hierarchy.to_mlab_linkage
将其转换为 MATLAB 格式>>> mZ = to_mlab_linkage(Z) >>> mZ array([[ 1. , 2. , 1. ], [ 4. , 5. , 1. ], [ 7. , 8. , 1. ], [ 10. , 11. , 1. ], [ 3. , 13. , 1.29099445], [ 6. , 14. , 1.29099445], [ 9. , 15. , 1.29099445], [ 12. , 16. , 1.29099445], [ 17. , 18. , 5.77350269], [ 19. , 20. , 5.77350269], [ 21. , 22. , 8.16496581]])
新的链接矩阵
mZ
对所有聚类使用 1 索引(而不是 0 索引)。 此外,原始链接矩阵的最后一列已被删除。