基于HICP数据的Complete Linkage层次聚类树状图绘制及聚类划分求助

问题根源 #

你直接用原始长格式数据计算相异矩阵，导致dist()把每个时间点的观测当作样本，而非以国家为样本、时间序列为特征。这完全偏离了“按HICP趋势聚类国家”的目标，自然生成的树状图不符合预期。

解决步骤 #

• 1. 数据预处理：转换为宽格式
  首先需要把长格式数据转换为宽格式，让每个国家作为一行，每个时间点的HICP数值作为列（即特征）。

  # 加载必要的包
  library(tidyverse)
  
  # 假设你的原始数据框名为CP00
  # 转换为宽格式：国家为行，时间为列，values为单元格值
  CP00_wide <- CP00 %>%
    pivot_wider(
      id_cols = country,
      names_from = time,
      values_from = values
    ) %>%
    column_to_rownames(var = "country") # 将国家名设为行名，方便后续聚类
  
  # 处理缺失值（如果有），这里用均值填充，也可以根据需求选择其他方法
  CP00_wide <- CP00_wide %>%
    mutate(across(everything(), ~ ifelse(is.na(.), mean(., na.rm = TRUE), .)))
  

• 2. 计算相异矩阵
  现在用宽格式的数值矩阵计算国家间的相异度，这里推荐用欧氏距离（时间序列聚类常用），如果你坚持用Minkowski距离也可以保留：

  # 计算相异矩阵：仅对数值列计算，排除行名（此时行名是国家）
  CP00_dist <- dist(CP00_wide, method = "euclidean") # 替换为method = "minkowski", p = 1.5可保留你的原方法
  

• 3. 层次聚类与树状图绘制
  使用完全连接法聚类，然后绘制清晰的树状图，同时划分4个聚类：

  # 完全连接层次聚类
  CP00_hclust <- hclust(CP00_dist, method = "complete")
  
  # 绘制树状图，优化可读性
  plot(
    CP00_hclust,
    main = "基于HICP的国家聚类（完全连接法）",
    xlab = "",
    ylab = "相异度",
    cex = 0.8, # 调整标签字体大小
    hang = -1 # 让标签对齐底部
  )
  
  # 用红色虚线标出4个聚类的划分线
  rect.hclust(CP00_hclust, k = 4, border = "red")
  
  # 获取每个国家的聚类归属
  cluster_assignments <- cutree(CP00_hclust, k = 4)
  print(cluster_assignments)
  

额外优化建议 #

• 如果时间序列长度很长，可以先对每个国家的HICP序列提取特征（如均值、标准差、趋势斜率），再用这些特征聚类，减少维度同时保留核心信息。
• 树状图标签重叠时，可以用dendextend包旋转树状图或调整布局：

  library(dendextend)
  dend <- as.dendrogram(CP00_hclust)
  dend <- rotate(dend, order = order.dendrogram(dend))
  plot(dend, main = "优化布局的聚类树状图")
  rect.dendrogram(dend, k = 4, border = "red")
  

内容的提问来源于stack exchange，提问作者JJ_Zero