写出层次聚类后每个簇样本数的柱状图代码

下面是使用Python的scikit-learn库进行层次聚类并绘制每个簇样本数柱状图的示例代码：

import numpy as np
import matplotlib.pyplot as plt
from sklearn.cluster import AgglomerativeClustering

# 生成随机数据集
X = np.random.rand(100, 2)

# 进行层次聚类
clustering = AgglomerativeClustering(n_clusters=None, distance_threshold=0.5).fit(X)

# 获取每个样本所属的簇的标签
labels = clustering.labels_

# 统计每个簇的样本数
unique_labels, counts = np.unique(labels, return_counts=True)

# 绘制柱状图
plt.bar(unique_labels, counts)
plt.xlabel('Cluster Label')
plt.ylabel('Number of Samples')
plt.show()

这个示例代码中，我们首先生成了一个包含100个样本的二维随机数据集，然后使用`AgglomerativeClustering`类进行层次聚类。这里我们设置`n_clusters=None`，表示不限定簇的数量，而是使用`distance_threshold`参数来指定合并簇的最大距离。聚类完成后，我们使用`labels_`属性获取每个样本所属的簇的标签，然后使用`np.unique`函数统计每个簇的样本数，并绘制柱状图。

注意，由于层次聚类的簇数量不固定，因此每个簇的标签可能是任意非负整数，因此我们需要使用`np.unique`函数将标签去重后才能统计每个簇的样本数。