具有Python-4类别的Dendrogram

Question

专家们，

作为蟒蛇初学者，我想做的是用以下数据创建一个树状图：

data = pd.DataFrame([['Apple, livingroom, worker', 200], ['Strawberry, bedroom, student', 100],
                     ['Apple, bedroom, child', 150], ['Strawberry, toilet, student', 100]], columns = ['Text', 'Costs'])

这只是一个例子(!)-Dataset，我的真实集更长，但结构是相同的。

数据集如下所示：

Out[89]: 
                           Text  Costs
0     Apple, livingroom, worker    200
1  Strawberry, bedroom, student    100
2         Apple, bedroom, child    150
3   Strawberry, toilet, student    100

我的步骤如下:第一步:我使用Tfidfvectorizer将我的文本列转换为数字数字，这样我就可以创建一个树状图。=>还有其他选择吗？

所以我做了以下几件事：

tfidf = TfidfVectorizer()
tfidf_matrix = tfidf.fit_transform(data['Text']).todense()
vocab = tfidf.vocabulary_
new_cols = tfidf.get_feature_names()

df = data.drop('Text',axis=1)
df = df.join(pd.DataFrame(tfidf_matrix, columns=new_cols))

我的产出是：

Out[92]: 
   Costs     apple   bedroom  ...   student    toilet    worker
0    200  0.486934  0.000000  ...  0.000000  0.000000  0.617614
1    100  0.000000  0.577350  ...  0.577350  0.000000  0.000000
2    150  0.526405  0.526405  ...  0.000000  0.000000  0.000000
3    100  0.000000  0.000000  ...  0.526405  0.667679  0.000000

[4 rows x 9 columns]

第二:现在我想要创建一个Dendrogram并查看标签。我想要的和我所期望的是一个只有200,100和150标签的Dendrogramm (就像这样，或者说是我的目标)。如果有100，也就是在x轴上超过一次，那就没问题了。所以我写到：

linked = linkage(df, 'ward')

# Dendrogramm und Label erstellen
labels = df.columns
p = len(labels)

plt.figure(figsize=(8,4))
plt.title('Hierarchical Clustering Dendrogram (truncated)', fontsize=20)
plt.xlabel('Look at my fancy labels!', fontsize=16)
plt.ylabel('distance', fontsize=16)

# Rufe das Dendrogramm auf, um das Dict zu bekommen
R = dendrogram(
                linked,
                truncate_mode='lastp',  # show only the last p merged clusters
                p=p,  # show only the last p merged clusters
                no_plot=True,
                )

# Label-Dict 
temp = {R["leaves"][ii]: labels[ii] for ii in range(len(R["leaves"]))}
def llf(xx):
    return "{}".format(temp[xx])

dendrogram(
            linked,
            truncate_mode='lastp',  # show only the last p merged clusters
            p=p,  # show only the last p merged clusters
            leaf_label_func=llf,
            leaf_rotation=60.,
            leaf_font_size=12.,
            show_contracted=True,  # to get a distribution impression in truncated branches
            )
plt.show()

我的照片是这样的：

​

​

不是“成本”等，而是"200“、"100”、"150“、"100”。它应该像一棵决策树，也就是说，如果我有一个苹果，一个客厅，如果我是一名工人，我的成本是200 (从上到下，从树到下)。或者:如果我有一个苹果，一个卧室，如果我是一个孩子，我的费用是150。

有人能帮我展示一下这样的东西吗？

Answer 1

如果您希望获得所需的输出，则需要更改：

labels = df.columns

使用

labels = df.Costs

若要添加颜色的图例，请替换：

plt.show()

使用

plt.legend(df.columns)
plt.show()

​

​