scipy hierarchy.linkage和Bray-Curtis距离不一致

Question

我正在使用来自几个不同采样站(站)的一组物种计数(计数)。我已经使用scikit bio的pw_distance函数计算了每对可能的样本站点之间的布雷-柯蒂斯相似度。这会产生一个距离矩阵，其值在0到1之间。到目前为止还不错。

我想使用这个距离矩阵来生成一个树状图，显示样本站点是如何聚集在一起的。我使用scipy的hierachy.linkage函数来查找树状图的链接，然后用hierarchy.dendrogram绘制。

下面是我的代码：

from skbio.diversity.beta import pw_distances
from scipy.cluster import hierarchy

bc_dm = pw_distances(counts, stations, metric = "braycurtis")

# use (1 - bc_dm) to get similarity rather than dissimilarity
sim = 1 - bc_dm.data

Z = hierarchy.linkage(sim, 'ward')
hierarchy.dendrogram(
    Z,
    leaf_rotation=0.,  # rotates the x axis labels
    leaf_font_size=10.,  # font size for the x axis labels
    labels=bc_dm.ids,
    orientation="left"
)

here is a link to the dendrogram produced by the above code

据我所知，树状图上的距离应该对应于Bray-Curtis相似性(类似于距离)，但我的树状图上的距离值达到了最大值30以上。这是正确的吗？如果不是，我如何缩放我的距离，以与样本站之间的Bray-Curtis相似性相对应？如果它是正确的，那么树状图上的距离到底对应于什么呢？

Answer 1

查看评论中共享的链接，因为它们解决了您的问题。

这些链接中没有介绍的一个链接步骤是，您应该在bc_dm.condensed_form()上调用scikit-bio，而不是在bc_dm或sim上调用。这将为您提供所需格式的输入。如果您传递了一个2D矩阵，linkage会假设它是您的counts矩阵，并根据这些数据计算样本之间的欧几里得距离。

另外，一定要注意scipy.cluster.hierarchy.linkage的method参数，因为它会影响树状图中分支长度的解释。scipy.cluster.hierarchy.linkage的文档字符串包含有关如何为不同方法计算这些值的详细信息。