- 综合排序
- 最热优先
- 最新优先
- 来自专栏R语言及实用科研软件
🤩 Dendrogram | 今天是人见人爱、花见花开的环形Dendrogram！~（附完整代码）
~ 废话太多了，今天的教程是环形dendrogram，颜值还是不错的。 大家来一起看看吧！ 6igraph创建网络对象 net <- graph_from_data_frame(edges, vertices=vertices) net 7最终绘图 ggraph(net, layout = '<em>dendrogram</em>
42920编辑于 2023-09-04 - 来自专栏优雅R
医学统计与R语言：圆形树状图（circular dendrogram）
mygraph <- graph_from_data_frame(myedges1, vertices=myvertices,directed = T) ggraph(mygraph, layout = '<em>dendrogram</em> 输入3： ggraph(mygraph, layout = 'dendrogram') + geom_edge_diagonal2(aes(colour =node.group)) +
2.3K10发布于 2020-07-06 - 来自专栏HsuHeinrich
局部整体（六）利用python绘制树状图
局部整体（六）利用python绘制树状图 树状图（ Dendrogram）简介 由一个根节点组成，根节点产生多个通过分支连接的子节点。常用于表示层次结构或显示聚类算法的结果。 快速绘制 基于dendrogram import pandas as pd from matplotlib import pyplot as plt from scipy.cluster.hierarchy import dendrogram, linkage import numpy as np # 导入数据 url = 'https://raw.githubusercontent.com/holtzy 通过dendrogram绘制多样化的树状图 更多用法可参考scipy.cluster.hierarchy.dendrogram[1] 修改参数 import pandas as pd from matplotlib /scipy.cluster.hierarchy.dendrogram.html [2] 树图 Tree: https://gallery.pyecharts.org/#/Tree/README
1.2K21编辑于 2024-11-23 - 来自专栏生物信息学、python、R、linux
R中极树状图实现
- mtcars[,1:7] plot(as.phylo(hclust(dist(new_mtcars))),type="fan") 2. circlize和dendextend 用circlize_dendrogram hc = hclust(dist(new_mtcars), method = 'complete') %>% as.dendrogram %>% set('labels_cex', c(0.8)) # dend %>% color_branches(k=4) %>% color_labels pdf('~/test.pdf', width=8, height = 8) circlize_dendrogram B1F100', '#FF7400', '#FFAA00', '#1240AB', '#009999') labels_colors(hc) = test_colors[mtcars$gear[order.dendrogram (hc)]] pdf('~/test2.pdf', width=8, height = 8) circlize_dendrogram(hc, labels_track_height = NA, dend_track_height
1.8K10发布于 2020-06-28 - 来自专栏生信宝典
聚类热图怎么按自己的意愿调整分支的顺序？
dend = reorder(as.dendrogram(hclust_1), wts=exprTable_t$Tet3) col_cluster <- as.hclust(dend) pheatmap 按某个基因的表达由大到小排序 dend = reorder(as.dendrogram(hclust_1), wts=exprTable_t$Tet3*(-1)) col_cluster <- as.hclust 按分支名字（样品名字）的字母顺序排序 library(dendextend) col_cluster <- hclust_1 %>% as.dendrogram %>% sort %>% as.hclust 梯子形排序：最小的分支在左侧 col_cluster <- hclust_1 %>% as.dendrogram %>% ladderize(FALSE) %>% as.hclust pheatmap( 按特征值排序 样本量多时的自动较忧排序 sv = svd(exprTable)$v[,1] dend = reorder(as.dendrogram(hclust_1), wts=sv) col_cluster
4.9K31发布于 2020-09-21 - 来自专栏数据科学（冷冻工厂）
单细胞分析: Scanpy 核心绘图 (3)
ax = sc.pl.heatmap( pbmc, marker_genes_dict, groupby="clusters", cmap="viridis", dendrogram=True ax = sc.pl.tracksplot(pbmc, marker_genes_dict, groupby="clusters", dendrogram=True) Visualization of options 大多数可视化都能通过 dendrogram 来排列类别。 linkage methods are available). sc.tl.dendrogram(pbmc, "bulk_labels") ax = sc.pl.dendrogram(pbmc, " bulk_labels") Plot correlation 与 dendrogram 一起，还可以绘制类别间的相关性（默认使用 ‘pearson’ 相关系数）。
42600编辑于 2025-08-08 - 来自专栏blog(为什么会重名，真的醉了)
机器学习-层次聚类（谱系聚类）算法
import pandas as pd from matplotlib import pyplot as plt from scipy.cluster.hierarchy import dendrogram (z1) # 用最长距离法 plt.subplot(2, 2, 2) plt.title('最长距离法') z2 = linkage(data, 'complete') dendrogram(z2) # 用类平均法 plt.subplot(2, 2, 3) plt.title('类平均法') z3 = linkage(data, 'average') dendrogram(z3) # 用重心法 plt.subplot(2, 2, 4) plt.title('重心法') z4 = linkage(data, 'centroid') dendrogram(z4) plt.show() 使用sklearn from sklearn.cluster import AgglomerativeClustering def plot_dendrogram(model, **kwargs): # 可视化
2.6K50编辑于 2023-05-23 - 来自专栏数据科学（冷冻工厂）
单细胞分析: Scanpy 核心绘图 (2)
此外，在图中添加 dendrogram 也很有帮助，它能把相似的细胞簇聚集在一起。层级聚类是利用各细胞簇之间 PCA components 的相关性自动计算的。 sc.pl.dotplot(pbmc, marker_genes_dict, "clusters", dendrogram=True) 使用这张图，我们可以看到 cluster 4 对应于 B-cells 与前文相同，添加了一条 dendrogram 用以将相似的 clusters 归为一组。 ax = sc.pl.stacked_violin( pbmc, marker_genes_dict, groupby="clusters", swap_axes=False, dendrogram sc.pl.matrixplot( pbmc, marker_genes_dict, "clusters", dendrogram=True, cmap="Blues
52510编辑于 2025-07-24 - 来自专栏花落的技术专栏
pheatmap 排序
1,20, by = 1) hclust_mat$order <- index pheatmap(test, cluster_rows = hclust_mat) reorder 函数 reorder.dendrogram require(gridExtra) # reorder 1 index <- order(rowSums(test), decreasing = TRUE) dend = reorder(as.dendrogram show_colnames = FALSE) # reorder 2 index <- order(rowSums(test), decreasing = FALSE) dend = reorder(as.dendrogram
1.6K20编辑于 2021-12-06 - 来自专栏blog(为什么会重名，真的醉了)
聚类-层次聚类（谱系聚类）算法
import pandas as pd from matplotlib import pyplot as plt from scipy.cluster.hierarchy import dendrogram (z1) # 用最长距离法 plt.subplot(2, 2, 2) plt.title('最长距离法') z2 = linkage(data, 'complete') dendrogram(z2) # 用类平均法 plt.subplot(2, 2, 3) plt.title('类平均法') z3 = linkage(data, 'average') dendrogram(z3) # 用重心法 plt.subplot(2, 2, 4) plt.title('重心法') z4 = linkage(data, 'centroid') dendrogram(z4) plt.show() 使用sklearn from sklearn.cluster import AgglomerativeClustering def plot_dendrogram(model, **kwargs): # 可视化
6.1K40编辑于 2022-11-30 - 来自专栏医学和生信笔记
又是聚类分析可视化！
dend <- nutrient %>% dist() %>% # 计算距离 hclust() %>% # 聚类 as.dendrogram() # 转换一下 画图 其实你直接plot也是可以出图的 3) %>% # 水平绘制 plot(horiz=TRUE, axes=FALSE) # 添加一条竖线 abline(v = 350, lty = 2) # 添加矩形框 rect.dendrogram ) tanglegram图 # 准备2个聚类树对象，使用不同的方法 d1 <- nutrient %>% dist() %>% hclust( method="average" ) %>% as.dendrogram () d2 <- nutrient %>% dist() %>% hclust( method="complete" ) %>% as.dendrogram() # 自定义每个聚类树，放到一个列表中
51020编辑于 2022-11-15 - 来自专栏小明的数据分析笔记本
跟着Nature Genetics学画图：R语言ggtree给进化树的枝分组映射颜色
image.png 去掉枝长，开口朝下 ggtree(tree1,aes(color=Species),branch.length = "none")+ layout_dendrogram()+ image.png 自定义颜色 ggtree(tree1,aes(color=Species),branch.length = "none")+ layout_dendrogram()+ theme rep("WW",439)) ggtree(tree1,aes(color=Species),branch.length = "none")+ layout_dendrogram
4K30发布于 2021-07-12 【拿捏热图/详细注释】pyComplexHeatmap系列（一）之基础绘制之差异基因聚类热图并标注关键基因
col_cluster=True,#列聚类 row_cluster=True,#行聚类 row_dendrogram =True, #是否展示行聚类树 col_dendrogram=True,#是否展示列聚类树 show_rownames =False, #是否展示行聚类树 col_dendrogram=False,#是否展示列聚类树 show_rownames =True, #是否展示行聚类树 col_dendrogram=True,#是否展示列聚类树 show_rownames =True, #是否展示行聚类树 col_dendrogram=True,#是否展示列聚类树 show_rownames
46510编辑于 2025-12-20细胞邻域分析
spatial_cluster.png") # 可选：显示聚类树状图 plt.figure(figsize=(10, 7)) plt.title("Hierarchical Clustering Dendrogram ") plt.xlabel("Cell Types") plt.ylabel("Distance") from scipy.cluster.hierarchy import dendrogram dendrogram(clustering.children_) plt.savefig(f"{output_dir}/dendrogram.png") plt.close()def
37620编辑于 2024-12-24- 来自专栏医学和生信笔记
R语言聚类分析可视化(2)
line = 1, col = "#A38630", las = 2) plot of chunk unnamed-chunk-8 par(op) 如果对默认的可视化效果不满意，可以先用as.dendrogram dhc <- as.dendrogram(h.clust) plot(dhc,type = "triangle") # 比如换个类型 plot of chunk unnamed-chunk-9 可以提取部分树进行查看 n } # 把自定义标签颜色应用到聚类树中 diyDendro = dendrapply(dhc, colLab) # 画图 plot(diyDendro, main = "DIY Dendrogram 语言可视化聚类树 R语言画好看的聚类树 又是聚类分析可视化 树状数据/层次数据可视化 参考资料 R帮助文档 https://r-graph-gallery.com/31-custom-colors-in-dendrogram.html
79920编辑于 2023-02-14 - 来自专栏小小程序员——DATA
层次聚类与密度聚类代码实现
层次聚类与密度聚类代码实现 层次聚类 import numpy as np from scipy.cluster.hierarchy import linkage, dendrogram import np.random.rand(10, 2) # 使用linkage函数进行层次聚类 linked = linkage(data, 'single') # 画出树状图（树状图是层次聚类的可视化） dendrogram
49310编辑于 2023-12-22 - 来自专栏生信技能树
infercnv的cluster_by_groups参数影响后续层次聚类文件读取函数
这样得到的 inferCNV 的 dendrogram文件就不能使用之前的代码读取： infercnv.dend <- read.dendrogram(file = "inferCNV_output/ infercnv.observations_dendrogram.txt") 而是需要使用ape包的read.tree函数，如下所示： myTree <- ape::read.tree(file = "inferCNV_output/infercnv.observations_<em>dendrogram</em>.txt") u 我们可以看到读入的 inferCNV 的 dendrogram文件 其实是9个 内容 300 13 spike-Tcells 300 应该是13个细胞类型，其中两个 'ref-Tcells' 和 'ref-mono'是另外的文件，不会在infercnv.observations_dendrogram.txt 所以就是读入的 inferCNV 的 dendrogram文件的9个 内容。
2.1K11编辑于 2022-03-03 - 来自专栏深度学习|机器学习|歌声合成|语音合成
层次聚类和最邻近
- ''' import numpy as np from matplotlib import pyplot as plt from scipy.cluster.hierarchy import dendrogram from sklearn.datasets import load_iris from sklearn.cluster import AgglomerativeClustering def plot_dendrogram
69310发布于 2021-01-14 - 来自专栏作图丫
绘制有间隙的热图绘制-gapmap
col_dist, method = "complete") row_hc <- hclust(row_dist, method = "complete") #层次聚类 col_d <- as.dendrogram (col_hc) row_d <- as.dendrogram(row_hc) #生成系统树图 一、gapmap 1.绘制没有间隙的聚类图 gapmap(m = as.matrix(dataTable 0.1,0.8,0.1), h_ratio=c(0.1,0.8,0.1), label_size=2, show_legend=TRUE, col=RdBu) 2.绘制空白树状图(gapped dendrogram gap_dendrogram 是ggplot2绘制空白树状图的方法，输入数据类型为gapdata class，由gap_data()生成 row_data <- gap_data(d= dendsort quantitative", mapping="exponential", ratio=0.3, scale= 0.5) #生成数据 dend <- gap_dendrogram
2.1K21编辑于 2022-03-28 10Xvisium HD高精度平台探索
visium-hd/hcc-16um/"sc.set_figure_params(dpi_save=300)sc.tl.rank_genes_groups(adata, groupby='leiden', dendrogram =False, use_raw=True)sc.tl.dendrogram(adata, use_raw=True, groupby='leiden')WARNING: You’re trying to =False, use_raw=True)sc.tl.dendrogram(adata, use_raw=True, groupby='domain')sc.pl.rank_genes_groups_matrixplot =False, use_raw=True)sc.tl.dendrogram(adata, groupby='domain')sc.settings.figdir = ". =False, use_raw=True)sc.tl.dendrogram(adata, groupby='leiden')sc.settings.figdir = ".
24320编辑于 2024-04-21
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号