Clustering avec SciPy

Clustering hiérarchique :

faire from scipy.cluster import hierarchy
clustering : clustering = hierarchy.linkage(df, metric = 'euclidean', method = 'average')
la matrice renvoyée M est de dimension (n-1)x4 où n est le nombre d'indivdus. Les observations originales ont le numéro de cluster de 0 à n-1. A la ième itération, les clusters M[i, 0] et M[i+1,0] sont combinés pour former le cluster d'index n+i et leur distance est stockée dans M[i,2] et leur taille totale dans M[i,3]
on peut aussi faire clustering = hierarchy.linkage(myDist, method = 'single', metric = 'euclidean') avec myDist 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(clustering, 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():
  if 'A' in label.get_text():      
    label.set_color('red')

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