階層式分群 (scipy.cluster.hierarchy)

這些函數將階層式分群切割成扁平式分群，或者透過提供每個觀察值的扁平式分群 ID，來找出由切割形成的樹狀結構的根。

fcluster(Z, t[, criterion, depth, R, monocrit])	從給定的連結矩陣定義的階層式分群中形成扁平式分群。
fclusterdata(X, t[, criterion, metric, ...])	使用給定的度量來分群觀察資料。
leaders(Z, T)	傳回階層式分群中的根節點。

這些是凝聚式分群的常式。

linkage(y[, method, metric, optimal_ordering])	執行階層式/凝聚式分群。
single(y)	在壓縮距離矩陣 y 上執行 single/min/nearest 連結。
complete(y)	在壓縮距離矩陣上執行 complete/max/farthest point 連結。
average(y)	在壓縮距離矩陣上執行 average/UPGMA 連結。
weighted(y)	在壓縮距離矩陣上執行 weighted/WPGMA 連結。
centroid(y)	執行 centroid/UPGMC 連結。
median(y)	執行 median/WPGMC 連結。
ward(y)	在壓縮距離矩陣上執行 Ward's 連結。

這些常式計算階層的統計資訊。

cophenet(Z[, Y])	計算由連結 Z 定義的階層式分群中，每個觀察值之間的共表型距離。
from_mlab_linkage(Z)	轉換由 MATLAB(TM) 產生的連結矩陣，成為與此模組相容的新連結矩陣。
inconsistent(Z[, d])	計算連結矩陣上不一致性統計量。
maxinconsts(Z, R)	傳回每個非單例分群及其子系的最大的不一致係數。
maxdists(Z)	傳回任何非單例分群之間的最大距離。
maxRstat(Z, R, i)	傳回每個非單例分群及其子系的最大統計量。
to_mlab_linkage(Z)	將連結矩陣轉換為與 MATLAB(TM) 相容的格式。

用於視覺化扁平式分群的常式。

dendrogram(Z[, p, truncate_mode, ...])

將階層式分群繪製為樹狀圖。

這些是將階層表示為樹狀物件的資料結構和常式。

ClusterNode(id[, left, right, dist, count])	用於表示分群的樹狀節點類別。
leaves_list(Z)	傳回葉節點 ID 的列表。
to_tree(Z[, rd])	將連結矩陣轉換為易於使用的樹狀物件。
cut_tree(Z[, n_clusters, height])	給定連結矩陣 Z，傳回切割樹。
optimal_leaf_ordering(Z, y[, metric])	給定連結矩陣 Z 和距離，重新排序切割樹。

這些是檢查連結和不一致性矩陣有效性，以及檢查兩個扁平式分群指派是否同構的謂詞。

is_valid_im(R[, warning, throw, name])	如果傳遞的不一致性矩陣有效，則傳回 True。
is_valid_linkage(Z[, warning, throw, name])	檢查連結矩陣的有效性。
is_isomorphic(T1, T2)	判斷兩個不同的分群指派是否等效。
is_monotonic(Z)	如果傳遞的連結是單調的，則傳回 True。
correspond(Z, Y)	檢查連結矩陣和壓縮距離矩陣之間是否對應。
num_obs_linkage(Z)	傳回傳遞的連結矩陣的原始觀察數量。

用於繪圖的實用程式

set_link_color_palette(palette)

設定 matplotlib 顏色代碼列表，供樹狀圖使用。

實用類別

DisjointSet([elements])

用於增量連線查詢的不相交集合資料結構。