所以，我有一套我想对其进行聚类分析的文本。我已经采取了一切文本之间的Normalized Compression Distance，现在我已经基本建成加权边的完整的图形，看起来是这样的：如何将距离数据插入scipy的凝聚式聚类方法？
text1, text2, 0.539
text2, text3, 0.675
我有巨大的困难，找出堵塞这个数据的最佳方式融入scipy的层次聚类方法。我可以将距离数据转换成类似this page的表格。我怎样才能格式化这些数据，以便它可以很容易地插入到scipy的HAC代码中？
您正处在正确的轨道上，将数据转换为链接页面上的表格（冗余距离矩阵）。根据文档，您应该能够将其直接传递到scipy.cluster.hierarchy.linkage或相关函数，例如scipy.cluster.hierarchy.single或scipy.cluster.hierarchy.complete。相关函数明确指定应如何计算群集之间的距离。 scipy.cluster.hierarchy.linkage可让您指定所需的任何方法，但默认为单个链接（即两个集群之间的距离是其最近点之间的距离）。所有这些方法将返回一个表示凝聚聚类的多维数组。然后，您可以使用scipy.cluster.hierarchy模块的其余部分对该群集执行各种操作，例如对其进行可视化或展平。
但是，有一个问题。在编写this question的时候，尽管文档说明了可以，但实际上不能使用冗余距离矩阵。基于github issue仍然开放的事实，我认为这还没有解决。正如链接问题的答案中所指出的那样，您可以通过将完整的距离矩阵传递到scipy.spatial.distance.squareform函数来解决此问题，该函数将其转换为实际接受的格式（包含上三角部分的平面数组距离矩阵，称为浓缩距离矩阵）。然后，您可以将结果传递给scipy.cluster.hierarchy函数之一。