Dendrogramı tablo olarak dışa aktarma R

Question

Bir hclust-dendrogram'ı daha sonra bir başka ("ev yapımı") yazılım içine aktarmak için bir veri tablosuna R'den vermek istiyorum. str(unclass(fit)) dendrogram için bir metne genel bakış sağlar, ancak aradığım şey gerçekten sayısal bir tablodur. Bioconductor ctc paketine baktım, ama ürettiği çıktı biraz şifreli görünüyor. Bu tabloya benzer bir şey yapmak isterim: http://stn.spotfire.com/spotfire_client_help/heat/heat_importing_exporting_dendrograms.htm Bunu R'de bir hclust nesnesinden çıkarmanın bir yolu var mı? Labeltodendro ;-)

Ama cidden, sadece elle hclust nesneden unsurları ayıklamak olamaz (örneğin $merge, $height, $order) ve özel oluşturmak -

Answer 1

istediğini tam tersi yapar paket var çıkarılan elemanlardan tablo?

Answer 2

Dendrogram dışa aktarma ile ilgilenen biri varsa, işte benim çözümüm. Muhtemelen, sadece yakın zamanda R kullanmaya başladığımda en iyisi değil, ama en azından işe yarıyor. Bu yüzden kodun nasıl geliştirileceğine dair öneriler memnuniyetle karşılanır. hr benim hclust nesnesidir ve eğer

Yani, df 0'dan başlayarak basit bir dizini içeren ilk sütun olan verilerim, ve satır adları kümelenmiş öğelerin adları şunlardır:

# Retrieve the leaf order (row name and its position within the leaves) 
leaf.order <- matrix(data=NA, ncol=2, nrow=nrow(df), 
       dimnames=list(c(), c("row.num", "row.name"))) 
leaf.order[,2] <- hr$labels[hr$order] 
for (i in 1:nrow(leaf.order)) { 
    leaf.order[which(leaf.order[,2] %in% rownames(df[i,])),1] <- df[i,1] 
} 
leaf.order <- as.data.frame(leaf.order) 

hr.merge <- hr$merge 
n <- max(df[,1]) 

# Re-index all clustered leaves and nodes. First, all leaves are indexed starting from 0. 
# Next, all nodes are indexed starting from max. index leave + 1. 
for (i in 1:length(hr.merge)) { 
    if (hr.merge[i]<0) {hr.merge[i] <- abs(hr.merge[i])-1} 
    else { hr.merge[i] <- (hr.merge[i]+n) } 
} 
node.id <- c(0:length(hr.merge)) 

# Generate dendrogram matrix with node index in the first column. 
dend <- matrix(data=NA, nrow=length(node.id), ncol=6, 
      dimnames=list(c(0:(length(node.id)-1)), 
       c("node.id", "parent.id", "pruning.level", 
       "height", "leaf.order", "row.name"))) 
dend[,1] <- c(0:((2*nrow(df))-2)) # Insert a leaf/node index 

# Calculate parent ID for each leaf/node: 
# 1) For each leaf/node index, find the corresponding row number within the merge-table. 
# 2) Add the maximum leaf index to the row number as indexing the nodes starts after indexing all the leaves. 
for (i in 1:(nrow(dend)-1)) { 
    dend[i,2] <- row(hr.merge)[which(hr.merge %in% dend[i,1])]+n 
} 

# Generate table with indexing of all leaves (1st column) and inserting the corresponding row names into the 3rd column. 
hr.order <- matrix(data=NA, 
      nrow=length(hr$labels), ncol=3, 
      dimnames=list(c(), c("order.number", "leaf.id", "row.name"))) 
hr.order[,1] <- c(0:(nrow(hr.order)-1)) 
hr.order[,3] <- t(hr$labels[hr$order]) 
hr.order <- data.frame(hr.order) 
hr.order[,1] <- as.numeric(hr.order[,1]) 

# Assign the row name to each leaf. 
dend <- as.data.frame(dend) 
for (i in 1:nrow(df)) { 
     dend[which(dend[,1] %in% df[i,1]),6] <- rownames(df[i,]) 
} 

# Assign the position on the dendrogram (from left to right) to each leaf. 
for (i in 1:nrow(hr.order)) { 
     dend[which(dend[,6] %in% hr.order[i,3]),5] <- hr.order[i,1]-1 
} 

# Insert height for each node. 
dend[c((n+2):nrow(dend)),4] <- hr$height 

# All leaves get the highest possible pruning level 
dend[which(dend[,1] <= n),3] <- nrow(hr.merge) 

# The nodes get a decreasing index starting from the pruning level of the 
# leaves minus 1 and up to 0 

for (i in (n+2):nrow(dend)) { 
    if ((dend[i,4] != dend[(i-1),4]) || is.na(dend[(i-1),4])){ 
     dend[i,3] <- dend[(i-1),3]-1} 
     else { dend[i,3] <- dend[(i-1),3] } 
} 
dend[,3] <- dend[,3]-min(dend[,3]) 

dend <- dend[order(-node.id),] 

# Write results table. 
write.table(dend, file="path", sep=";", row.names=F)