层次聚类在Python中如何绘制树状图_AgglomerativeClustering结合scipy-Python教程-PHP中文网

agglomerativeclustering无法直接绘制树状图，需用scipy.cluster.hierarchy的linkage和dendrogram重做聚类；参数（method、metric、标准化）须与sklearn完全一致，切割时用fcluster(z, t=n, criterion='maxclust')可获相同标签。

层次聚类在python中如何绘制树状图_agglomerativeclustering结合scipy

AgglomerativeClustering 本身不支持直接画树状图

scikit-learn 的 AgglomerativeClustering 是为聚类结果服务的，它只返回每个样本的簇标签（labels_），内部距离矩阵和合并顺序都被丢弃了。想画树状图（dendrogram），必须用 scipy.cluster.hierarchy 重做一次层次聚类——不是调用 sklearn 的模型，而是用 scipy 的 linkage 和 dendrogram。

用 scipy.linkage 替代 AgglomerativeClustering.fit

核心是把样本距离计算和连接过程显式拆开，才能喂给 dendrogram：

linkage 输入必须是距离矩阵（或原始数据 + metric 参数），输出是连接矩阵（Z）——这正是树状图需要的结构
sklearn 默认用欧氏距离，scipy 也默认 metric='euclidean'，但要保持一致就得显式指定，尤其当数据未标准化时，距离尺度会极大影响树形
连接方法（method）必须和 sklearn 的 affinity + linkage 参数对齐：比如 sklearn 的 linkage='average' 对应 scipy 的 method='average'；linkage='complete' → method='complete'
别直接传 fit(X) 的结果过去——linkage 不接受已拟合模型，只吃 X 或 pdist(X)

示例（以 average linkage 为例）：

temporal-python-testing

使用 pytest、时间跳转和模拟策略测试 Temporal 工作流。涵盖单元测试、集成测试、回放测试以及本地开发服务器。

下载

from scipy.cluster.hierarchy import linkage, dendrogram
from scipy.spatial.distance import pdist
<p>Z = linkage(X, method='average', metric='euclidean')
dendrogram(Z)
</p>

如何让 scipy 树状图和 sklearn 聚类结果一致

树状图只是可视化，真正分簇还得靠切割。想让 AgglomerativeClustering 的 n_clusters=3 和树状图上切三块对应，得用 fcluster 按阈值或簇数切 Z：

用 fcluster(Z, t=3, criterion='maxclust') 得到和 AgglomerativeClustering(n_clusters=3) 完全一致的标签（前提是 method、metric、X 全部相同）
不要用 t 直接设距离阈值（如 t=5.0），因为 linkage 输出的 Z 中距离值是归一化/平方过的，和原始欧氏距离数值不等价；criterion='maxclust' 更可靠
如果用了 distance_threshold（sklearn 0.22+），那对应 scipy 就得用 fcluster(Z, t=threshold, criterion='distance')，但注意这个 threshold 是 scipy 原生距离尺度，需实测校准

常见报错和坑点

画树状图时最常卡在这几个地方：

ValueError: Negative distances not supported：X 含缺失值（np.nan）或做了非法缩放（如负数标准化）。先跑 np.isnan(X).any() 检查
树状图看起来“挤”成一团、分叉模糊：没做特征标准化。层次聚类对量纲极度敏感，StandardScaler().fit_transform(X) 必做
用 pdist(X, metric='correlation') 后传给 linkage，结果和 sklearn 的 affinity='precomputed' 对不上——因为 sklearn 的 correlation 默认是 1 - |r|，而 scipy 默认是 1 - r；得统一用 1 - np.corrcoef(X, rowvar=False) 预算距离矩阵再传入
样本数 > 1000 时 dendrogram 渲染极慢甚至 OOM：用 truncate_mode='level', p=5 限制只画前 5 层，或改用 plot_dendrogram（sklearn 1.2+）这类简化版