from scipy.cluster.hierarchy import dendrogram, linkage from matplotlib import pyplot as plt X = [[i] for i in [2, 8, 0, 4, 1, 9, 9, 0]] Z = linkage(X, 'average') fig = plt.figure(figsize=(6,3)) # 控制图的大小 dn = dendrogram(Z) plt.rcParams["font.sans-serif"]=["SimHei"] plt.title('实验一') plt.xlabel('聚类谱系图') plt.ylabel('聚类水平') plt.show()

这段代码使用了Python的SciPy库来进行层次聚类，并使用matplotlib库进行可视化。具体来说，代码的功能如下：

1. 定义一个长度为8的一维数组X，数组中的元素分别为2, 8, 0, 4, 1, 9, 9, 0。

2. 调用linkage()函数进行层次聚类，其中'average'表示使用平均链接合并策略。聚类得到的结果保存在变量Z中。

3. 创建一个大小为(6,3)的图形对象fig。

4. 对聚类树进行可视化，使用dendrogram()函数绘制聚类树，并将聚类树绘制在变量dn中。

5. 设置字体为中文显示，设置图像标题为'实验一'，x轴标签为'聚类谱系图'，y轴标签为'聚类水平'。

6. 显示图像。

总的来说，这段代码实现了对一维数据进行层次聚类，并将聚类结果以树状图的形式可视化。可以根据需要修改代码中的数据、聚类合并策略和图像参数等。