如何使用极坐标绘制scipy.hierarchy.dendrogram?

seg[1]seg[2]
+----------+
γ
+段[0]+段[3]
< /代码> 

垂直线在两个点之间是很好的直线,但是我们需要更多的点在seg[1]和seg[2](水平线,这将需要成为一个弧)。


此函数将在这些位置添加更多的点,并且可以在绘图函数中对xs和ys调用:

def smoothSegment(seg,nsmooth=100):
返回np.concatenate([[seg[0]],np.linspace(seg[1],seg[2],nsmouth),[seg[3]]])
< /代码> 

现在我们必须修改绘图函数来计算径向坐标。一些实验导致了我使用的对数公式,基于另一个同样使用对数刻度的答案。我在右边为径向标签留了一个空白,对“icoord”坐标和径向坐标做了一个非常基本的映射,以便标签与矩形图中的对应。我不知道怎么处理径向尺寸。这些数字对于日志是正确的,但我们可能也希望映射它们。


def plot树状图(icoord,dcord,figsize,polar=false):
如果极性:
dcord=-np.log(dcord+1)
#避免在径向标签上使用楔子。
GAP=0.1
imax=icoord.max()。
imin=icoord.min()。
icoord=(icoord-imin)/(imax-imin)*(1-间隙)+间隙/2)*2*numpy.pi
带有plt.style.context(“Seaborn White”):
图=PLT.图(图尺寸=图尺寸)
ax=图添加子地块(111,极性=极性)
对于zip中的xs、ys(icoord、dcord):
如果极性:
xs=平滑段(xs)
ys=平滑段(ys)
ax.绘图(xs,ys,color=“black”)
ax.set_title(f“polar=polar”,fontsize=15)
如果极性:
ax.spines['polar']设置\u可见(false)
ax.设置标签位置(0)
NxTiKS=10
xticks=np.linspace(间隙/2,1-间隙/2,nxticks)
ax.设置_xTicks(xTicks*np.pi*2)
ax.set_xtickLabels(np.round(np.linspace(imin,imax,nxticks)).astype(int))。
< /代码> 

结果如下图:


看起来又漂亮又圆。


我们注意到icoord和dcord的每个元素(我将称之为seg)有四点:

seg[1]        seg[2]
+-------------+
|             |
+ seg[0]      + seg[3]


竖线和两点之间的直线一样细,但我们需要两点之间的更多点seg[1]和seg[2](水平条,需要变成弧形)。

此函数将在这些位置中添加更多点,并且可以在绘图函数中对xs和ys调用:

def smoothsegment(seg, Nsmooth=100):
    return np.concatenate([[seg[0]], np.linspace(seg[1], seg[2], Nsmooth), [seg[3]]])


现在我们必须修改绘图函数来计算径向坐标。一些实验导致了我使用的对数公式,基于另一个同样使用对数刻度的答案。我在右边为径向标签留了一个空白,对“icoord”坐标和径向坐标做了一个非常基本的映射,以便标签与矩形图中的对应。我不知道怎么处理径向尺寸。这些数字对于日志是正确的,但我们可能也希望映射它们。

def plot_dendrogram(icoord,dcoord,figsize, polar=False):
    if polar:
        dcoord = -np.log(dcoord+1)
        # avoid a wedge over the radial labels
        gap = 0.1
        imax = icoord.max()
        imin = icoord.min()
        icoord = ((icoord - imin)/(imax - imin)*(1-gap) + gap/2)*2*numpy.pi
    with plt.style.context("seaborn-white"):
        fig = plt.figure(figsize=figsize)
        ax = fig.add_subplot(111, polar=polar)
        for xs, ys in zip(icoord, dcoord):
            if polar:
                xs = smoothsegment(xs)
                ys = smoothsegment(ys)
            ax.plot(xs,ys, color="black")
        ax.set_title(f"Polar= {polar}", fontsize=15)
        if polar:
            ax.spines['polar'].set_visible(False)
            ax.set_rlabel_position(0)
            Nxticks = 10
            xticks = np.linspace(gap/2, 1-gap/2, Nxticks)
            ax.set_xticks(xticks*np.pi*2)
            ax.set_xticklabels(np.round(np.linspace(imin, imax, Nxticks)).astype(int))


结果如下图:

现在,让我们试着画一些更简单的图,而不是复杂的图:

icoord,dcord=np.meshgrid(np.r_[1:10],np.r_[1:4])

#绘制笛卡尔版本
绘图树图(icoord,dcord,figsize=(8,3),polar=false)

#绘制极坐标
绘图树图(icoord,dcord,figsize=(5,5),polar=true)
< /代码> 

结果如下:




正如你所看到的,极坐标代码并没有将水平线映射到半圆形,因此这是行不通的。让我们试试plt.polarinstead:。

plt.polar(icoord.t,dcord.t)
< /代码> 

产生



这更像是我们需要的。我们需要先确定角度,然后考虑Y坐标向内(你可能希望它从中心到边界)。归根结底就是这个

nic=(icoord.t-icoord.min())/(icoord.max()-icoord.min())
极性PLT(2*np.pi*nic,-dcord.t)
< /代码> 

它产生了以下



这和你需要的相似。请注意,直线保持笔直,不会被弧替换,因此您可能需要在for循环中对其重新采样。


此外,您还可以从单色和对数刻度中获益,使阅读更容易。



plt.subflots(figsize=(10,10))。
ico=(icoord.t-icoord.min())/(icoord.max()-icoord.min())
plt.polar(2*np.pi*ico,-np.log(dcord.t),'b')
< /代码> 
.


那么,让我们把目标分解一下:我不太清楚你想做什么,但我假设你想得到这样的东西


(source, page 14)

要渲染类似的东西,您需要能够渲染在极坐标中显示为半圆形的水平线。然后,将水平线映射到极坐标图。

首先,请注意,您的半径在这一行中没有标准化:

if polar:
    icoord, dcoord = cartesian_to_polar(icoord, dcoord)


您可以通过简单地重新映射来规范化它们icoord至(0;2PI)。

现在,让我们尝试绘制更简单的图,而不是复杂的图:

icoord, dcoord = np.meshgrid(np.r_[1:10], np.r_[1:4])

# Plot the cartesian version
plot_dendrogram(icoord, dcoord, figsize=(8, 3), polar=False)

# Plot the polar version
plot_dendrogram(icoord, dcoord, figsize=(5, 5), polar=True)


结果如下:




正如你所看到的,极坐标代码并没有将水平线映射到半圆形,因此这是行不通的。让我们一起尝试plt.polar而是:

plt.polar(icoord.T, dcoord.T)


生产



这更像是我们需要的。我们需要先确定角度,然后考虑Y坐标向内(你可能希望它从中心到边界)。归根结底就是这个

nic = (icoord.T - icoord.min()) / (icoord.max() - icoord.min())
plt.polar(2 * np.pi * nic, -dcoord.T)


它产生了以下



这和你需要的相似。请注意,直线保持直线,不会被圆弧替换,因此您可能需要在for循环中对其重新采样。

此外,您还可以从单色和对数刻度中获益,使阅读更容易。



plt.subplots(figsize=(10, 10))
ico = (icoord.T - icoord.min()) / (icoord.max() - icoord.min())
plt.polar(2 * np.pi * ico, -np.log(dcoord.T), 'b')