我明白你现在的需求：已经用hclust的ward.D方法完成聚类，通过cutree拿到了每个样本的簇标签，也能提取簇对应的数据，但想直接获取每个簇对应的子树结构，而不是单纯的数据集。直接用dnd[clusters == 1]肯定不行，因为树状图的结构不是按样本索引直接访问的，得用专门的方法来处理。

下面给你两种可行的方案，结合你的iris示例代码来演示：

方案一：用dendextend::get_subdendrograms直接按簇数提取子树 #

如果你是通过cutree(dnd, k=6)得到的6个簇，那这个方法最直接——get_subdendrograms可以直接把树状图分割成指定数量的子树，每个子树正好对应一个簇：

library(gplots)
library(dendextend)

# 你的原始代码
data <- iris[,1:4]
distance <- dist(data, method = "euclidean", diag = FALSE, upper = FALSE)
hc <- hclust(distance, method = 'ward.D')
dnd <- as.dendrogram(hc)
clusters <- cutree(dnd, k = 6)

# 提取6个子树，每个子树对应一个簇
sub_dends <- get_subdendrograms(dnd, k = 6)

# 可以单独查看某个子树，比如第1个簇的子树
plot(sub_dends[[1]], main = "第1个簇的子树")

这个方法的好处是一步到位，子树的顺序和cutree得到的簇标签顺序是对应的，比如sub_dends[[1]]就是所有clusters == 1的样本组成的子树。

方案二：自定义簇标签时，用prune修剪出指定叶子的子树 #

如果你的簇标签不是通过cutree(dnd, k=6)得到的（比如手动调整过簇划分），可以用prune函数，根据簇对应的样本叶子来修剪出子树：

# 假设我们已经有了clusters标签，现在提取第1个簇的样本名称/索引
cluster1_leaves <- rownames(data)[clusters == 1]

# 修剪树状图，只保留这些叶子对应的子树
sub_dend_c1 <- prune(dnd, cluster1_leaves)

# 绘制子树
plot(sub_dend_c1, main = "第1个簇的子树")

这里需要注意：如果你的数据集没有行名，rownames(data)会是默认的索引（比如1,2,...150），这也可以直接用来修剪，因为树状图的叶子默认是用样本索引命名的。

验证子树对应关系 #

如果你想确认子树的叶子确实对应簇里的样本，可以用labels()函数查看子树的叶子标签：

# 查看第1个子树的叶子标签
labels(sub_dends[[1]])
# 和clusters ==1的样本索引对比，应该完全一致
rownames(data)[clusters ==1]

这样就能确保你提取的子树和对应的簇是完全匹配的啦。

内容的提问来源于stack exchange，提问作者lucacerone