层次类聚算法python

层次聚类算法是一种基于距离的聚类方法，它的主要思想是将最相似的数据点组合成一个簇，然后逐步地将其他数据点加入到簇中，直到所有的数据点都被分配到某个簇中。Python中有很多库可以实现层次聚类算法，比如scikit-learn、SciPy等。

下面是一个使用SciPy库实现层次聚类算法的简单例子：

import numpy as np
from scipy.cluster.hierarchy import dendrogram, linkage
import matplotlib.pyplot as plt

# 生成随机数据
np.random.seed(4711)
a = np.random.multivariate_normal([10, 0], [[3, 1], [1, 4]], size=[100,])
b = np.random.multivariate_normal([0, 20], [[3, 1], [1, 4]], size=[50,])
X = np.concatenate((a, b),)
print(X.shape)  # (150, 2)

# 计算距离矩阵
Z = linkage(X, 'ward')

# 绘制树状图
plt.figure(figsize=(25, 10))
plt.title('Hierarchical Clustering Dendrogram')
plt.xlabel('sample index')
plt.ylabel('distance')
dendrogram(Z, leaf_rotation=90., leaf_font_size=8.)
plt.show()

在上面的代码中，我们首先生成了一个随机数据集，并利用`linkage`函数计算了距离矩阵。然后，我们使用`dendrogram`函数绘制了树状图。

运行上面的代码，你可以得到一个类似于下面这样的树状图：


从图中可以看出，不同颜色的线段代表不同的簇，簇之间的高度差表示它们的距离。你可以根据需要调整`linkage`函数中的参数，比如`method`参数可以设置聚类的方法，`metric`参数可以设置距离度量方式等等。