R将树形图分割成最小大小的组

Question

是否有一种简单的方法可以计算h中的最小值cut，它可生成给定最小大小的分组？

在这个例子中，如果我想集群，每个至少十名成员，我应该h = 3.80去：

# using iris data simply for reproducible example 
data(iris) 
d <- data.frame(scale(iris[,1:4])) 
hc <- hclust(dist(d)) 
plot(hc) 

cut(as.dendrogram(hc), h=3.79) # produces 5 groups; group 4 has 7 members 

cut(as.dendrogram(hc), h=3.80) # produces 4 groups; no group has <10 members 

由于分裂的高度在hc$height给出，我可以创建一组候选的值使用hc$height + 0.00001，然后循环切割每一个。但是，我没有看到如何解析dendrogram类中的簇大小members。例如，cut(as.dendrogram(hc), h=3.80)$lower[[1]]$members返回NULL，而不是66根据需要。

请注意，这是一个比Cutting dendrogram into n trees with minimum cluster size in R更简单的问题，它使用包dynamicTreeCut;这里我没有指定树的数量，只是最小的簇大小。 TYVM。

Answer 1

这并不回答这个问题，但如果您决定循环访问h，则可能对提取members有用。

盗窃和here

# Unnest the list/dendogram structure 
unnest <- function(x) { 
    if(is.null(names(x))) { 
    x 
    } 
    else { 
    c(list(all=unname(unlist(x))), do.call(c, lapply(x, unnest))) 
    } 
} 

# Extract the `members` attribute from each dendogram 
lapply(X = unnest(cut(as.dendrogram(hc), h=3.8)), FUN = attr, which = "members") 

输出修改一些代码：

# Please don't ask me why there are 2 dendograms stored 
# in the `$upper` list while `print` displays one 

$upper1 
[1] 2 

$upper2 
[1] 2 

$lower1 
[1] 66 

$lower2 
[1] 11 

$lower3 
[1] 24 

$lower4 
[1] 49 

Answer 2

感谢@Vlo和@lukeA我能够实现一个循环。不过，我只是将其发布到一个起点上，并且肯定会打开一个更优雅的解决方案。

unnest <- function(x) { # from Vlo's answer 
    if(is.null(names(x))) x 
    else c(list(all=unname(unlist(x))), do.call(c, lapply(x, unnest))) 
} 

cuts <- hc$height + 1e-9 

min_size <- 10 
smallest <- 0 
i <- 0 

while(smallest < min_size & i <= length(cuts)){ 
    h_i <- cuts[i <- i+1] 
    if(i > length(cuts)){ 
    warning("Couldn't find a cluster big enough.") 
    } 
    else smallest <- 
      Reduce(min, 
        lapply(X = unnest(cut(as.dendrogram(hc), h=h_i)$lower), 
         FUN = attr, which = "members")) # from lukeA's comment 
} 
h_i # returns desired output: [1] 3.79211 

Answer 3

此功能在dendextend包与heights_per_k.dendrogram功能（加载dendextendRcpp功能时其也具有较快的C++实现）提供。

## Not run: 
hc <- hclust(dist(USArrests[1:4,]), "ave") 
dend <- as.dendrogram(hc) 
heights_per_k.dendrogram(dend) 
##  1  2  3  4 
##86.47086 68.84745 45.98871 28.36531 

作为旁注，所述dendextend包具有用于一个系统树S3 cutree.dendrogram方法（其工作非常类似于cutree为hclust对象）。