Il y a deux parties à cette question:
Comment charger les données: Je ne pense pas que scipy.cluster.hierarchy
œuvres données sont rares, alors faisons-dense. Je vais aussi le faire dans la matrice carrée complète et ensuite prendre le triangle supérieur que scipy veut, par paresse; vous pourriez indexer directement dans la version compressée si vous étiez plus intelligent.
from collections import defaultdict
import csv
import functools
import itertools
import numpy as np
# name_to_id associates a name with an integer 0, 1, ...
name_to_id = defaultdict(functools.partial(next, itertools.count()))
with open('file.csv') as f:
reader = csv.reader(f)
# do one pass over the file to get all the IDs so we know how
# large to make the matrix, then another to fill in the data.
# this takes more time but uses less memory than loading everything
# in in one pass, because we don't know how large the matrix is; you
# can skip this if you do know the number of elements from elsewhere.
for name_a, name_b, dist in reader:
idx_a = name_to_id[name_a]
idx_b = name_to_id[name_b]
# make the (square) distances matrix
# this should really be triangular, but the formula for
# indexing into that is escaping me at the moment
n_elem = len(name_to_id)
dists = np.zeros((n_elem, n_elem))
# go back to the start of the file and read in the actual data
f.seek(0)
for name_a, name_b, dist in reader:
idx_a = name_to_id[name_a]
idx_b = name_to_id[name_b]
dists[(idx_a, idx_b) if idx_a < idx_b else (idx_b, idx_a)] = dist
condensed = dists[np.triu_indices(n_elem, 1)]
Puis appelez par ex. scipy.cluster.hierarchy.linkage
avec condensed
. Pour mapper des index aux noms, vous pouvez utiliser quelque chose comme
id_to_name = dict((id, name) for name, id in name_to_id.iteritems())
Merci! Mes données sont très volumineuses (environ 50 000 mots-clés/objets) donc j'espérais faire une matrice triangulaire inférieure pour des raisons de mémoire. – rfoley
Maintenant, je me demandais comment obtenir des affectations de cluster à partir du clustering ward étant donné les distances condensées. – rfoley
Pensez-vous que je pourrais convertir une matrice clairsemée des distances en une matrice de distances condensées? – rfoley