问题描述
抱歉，昨天我问了一个类似的问题，但我觉得我的问题缺乏内容，希望现在更容易理解。
我有一个对称矩阵，个人之间的成对距离（见下文），我想以一种所有成员的成对距离为零的方式对个体组进行聚类。我已经使用不同的链接方法和聚类标准应用了 scipy.cluster.hierarchy，但我没有得到预期的结果。在下面的例子中，我认为 ind5 不应该是集群 #1 的一部分，因为它到 ind9 的距离是 1 而不是 0。
from scipy.cluster.hierarchy import linkage,fcluster
from scipy.spatial.distance import squareform
import numpy as np
import pandas as pd
df = pd.read_csv(infile1,sep = '\t',index_col = 0)
print(df)
ind1 ind2 ind3 ind4 ind5 ind6 ind7 ind8 ind9
ind1 0 29 27 1 2 1 2 1 1
ind2 29 0 2 30 31 29 31 30 30
ind3 27 2 0 28 29 27 29 28 28
ind4 1 30 28 0 0 0 1 2 0
ind5 2 31 29 0 0 0 2 2 1
ind6 1 29 27 0 0 0 1 2 0
ind7 2 31 29 1 2 1 0 3 1
ind8 1 30 28 2 2 2 3 0 2
ind9 1 30 28 0 1 0 1 2 0
X = squareform(df.to_numpy())
print(X)
[29 27 1 2 1 2 1 1 2 30 31 29 31 30 30 28 29 27 29 28 28 0 0 1
2 0 0 2 2 1 1 2 0 3 1 2]
Z = linkage(X,'single')
print(Z)
[[ 3. 4. 0. 2.]
[ 5. 9. 0. 3.]
[ 8. 10. 0. 4.]
[ 0. 11. 1. 5.]
[ 6. 12. 1. 6.]
[ 7. 13. 1. 7.]
[ 1. 2. 2. 2.]
[14. 15. 27. 9.]]
max_d = 0
clusters = fcluster(Z,max_d,criterion='distance')
sample_list = df.index.to_list()
clust_name_list = clusters.tolist()
result = pd.DataFrame({'Inds': sample_list,'Clusters': clust_name_list})
print(result)
Inds Clusters
0 ind1 2
1 ind2 5
2 ind3 6
3 ind4 1
4 ind5 1
5 ind6 1
6 ind7 3
7 ind8 4
8 ind9 1
我希望任何更熟悉这些方法的人都可以建议是否有任何链接方法可以从集群中排除与集群中至少一个其他元素的距离 > 0 的任何元素（在本例中为 ind5） .
感谢您的帮助！
贡萨洛
解决方法
您可以将您的问题重新解释为在 cliques 中查找 graph 的问题。该图是通过将距离 0 解释为在两个节点之间创建边而从距离矩阵中获得的。获得图形后，您可以使用 networkx（或其他一些图论库）来查找图中的派系。图中的群将是节点集，其中 所有 群中的成对距离为 0。
这是您的距离矩阵（但请注意，您的距离不满足三角不等式）：
In [136]: D
Out[136]:
array([[ 0,29,27,1,2,1],[29,30,31,30],[27,28,28],[ 1,0],[ 2,3,2],0]])
将距离矩阵转换为邻接矩阵A：
In [137]: A = D == 0
In [138]: A.astype(int) # Display as integers for a more compact output.
Out[138]:
array([[1,[0,1]])
创建一个 networkx 图 G，并找到带有 nx.find_cliques 的派系：
In [139]: import networkx as nx
In [140]: G = nx.Graph(A)
In [141]: cliques = nx.find_cliques(G)
In [142]: list(cliques)
Out[142]: [[0],[1],[2],[3,5,8],4],[6],[7]]
（列表中的值是索引；例如，派系 [2] 对应于标签集 ['ind3']。）
请注意，有两个非平凡的派系，[3,8] 和 [3,4]，并且 3 和 5 都出现在两者中。这是您的距离具有此异常数据的结果：距离（ind5，ind4）= 0，距离（ind4，ind9）= 0，但距离（ind5，ind9）= 1（即 triangle inequality 不是使满意）。因此，根据您对“集群”的定义，有两种可能的非平凡集群：[ind4,ind5,ind9] 或 [ind4,ind6]。
最后，请注意 networkx documentation 中的警告：“在图中找到最大的团是 NP 完全问题，因此这些算法中的大多数都有指数运行时间”。如果你的距离矩阵很大，这个计算可能需要很长时间！
,您的解决方案是正确的！
您将获得以下集群：
- cluster 1 包含元素 ind4、ind5、ind6 和 ind9（彼此距离为 0）。
- 簇 2 与元素 ind1
- 簇 3 与元素 ind7
- 簇 4 与元素 ind8
- 簇 5 与元素 ind2
- 簇 6 与元素 ind3
根据您的需要，只有距离为 0 的元素聚集在集群 1 中。簇 2 到 6 是退化簇，具有单个孤立元素。
让我们修改距离，以便创建更合适的集群：
X = np.array([ 0,2])
Z = linkage(X,'single')
max_d = 0
clusters = fcluster(Z,max_d,criterion='distance')
print("Clusters:",clusters)
for cluster_id in np.unique(clusters):
members = np.where(clusters == cluster_id)[0]
print(f"Cluster {cluster_id} has members {members}")
获取：
Clusters: [2 2 4 3 3 3 1 1 3]
Cluster 1 has members [6 7]
Cluster 2 has members [0 1]
Cluster 3 has members [3 4 5 8]
Cluster 4 has members [2]