Clustering avec SciPy

Clustering hiérarchique :

faire from scipy.cluster import hierarchy
clustering : cluster = hierarchy.linkage(df, metric = 'euclidean', method = 'average')
on peut aussi faire clustering = hierarchy.linkage(x, method = 'single', metric = 'euclidean') avec x le retour de pdist, ou aussi la matrice des observations (m observations x n paramètres)
method peut être single, average, ward, etc ...
puis, représentation du dendrogramme : hierarchy.dendrogram(cluster, orientation = 'left', labels = df.columns, color_threshold = 0)

on peut colorer les labels en fonction d'un critère :

for label in pyplot.gca().get_ymajorticklabels():
  label.set_color(getColorFromName[label.get_text()])

programmer en python, tutoriel python, graphes en python, Aymeric Duclert