Python中如何修改层次聚类树状图（Dendrogram）的标签

已完成的聚类步骤 #

你已经通过以下代码实现25类层次聚类，并为数据框df添加了聚类结果列class：

from sklearn.cluster import AgglomerativeClustering
hc = AgglomerativeClustering(n_clusters = 25, affinity = 'euclidean', linkage = 'ward')
y_hc = hc.fit_predict(df)
df['class'] = y_hc

树状图标签修正方案 #

要将树状图的叶子标签从默认计数替换为你生成的聚类标签（即class列的值），只需调整dendrogram函数的labels参数，并确保特征数据和聚类时保持一致：

from scipy.cluster import hierarchy
import matplotlib.pyplot as plt

# 生成链接矩阵：使用聚类时的特征列（排除最后一列的class）
linkage_matrix = hierarchy.linkage(df.iloc[:, :-1], method='ward', metric='euclidean')

plt.figure(figsize=(12, 6))
dendrogram = hierarchy.dendrogram(
    linkage_matrix,
    labels=df['class'].values,  # 替换为聚类结果列
    p=25,
    truncate_mode='lastp',
    leaf_font_size=10,
    leaf_rotation=90
)
plt.xlabel('Genomes')
plt.ylabel('Euclidean distances')
plt.title(f'Hierarchical Clustering Dendrogram (method="ward")')
plt.show()

关键注意点 #

• 确认linkage函数使用的特征数据和AgglomerativeClustering拟合时完全一致，避免树状图与聚类结果不匹配；
• 若样本量过大导致标签重叠，可进一步调小leaf_font_size或增大图的figsize。

内容的提问来源于stack exchange，提问作者Fatemeh Nazari