Eksportowanie dendrogramu jako tabeli w R

Question

Chciałbym wyeksportować hclust-dendrogram z R do tabeli danych w celu późniejszego importu do innego ("domowego") oprogramowania. str(unclass(fit)) zapewnia przegląd tekstu dla dendrogramu, ale to, czego szukam, to tak naprawdę tabela numeryczna. Spojrzałem na pakiet ctc Bioconductor, ale jego wynik wygląda nieco tajemniczo. Chciałbym mieć coś podobnego do tej tabeli: http://stn.spotfire.com/spotfire_client_help/heat/heat_importing_exporting_dendrograms.htm Czy istnieje sposób, aby uzyskać to z obiektu hclust w R?

Answer 1

Jest pakiet, który robi dokładnie przeciwieństwem tego, co chcesz - Labeltodendro ;-)

Ale poważnie, nie mogą po prostu ręcznie wyodrębnić elementy z hclust przedmiot (np $merge, $height, $order) i tworzyć niestandardowe tabela z wyodrębnionych elementów?

Answer 2

Jeśli ktoś jest również zainteresowany eksportem dendrogramów, oto moje rozwiązanie. Najprawdopodobniej nie jest najlepszy, ponieważ zacząłem ostatnio używać R, ale przynajmniej działa. Sugestie, jak poprawić kod, są mile widziane.

Tak więc, jeśli hr jest moim celem hclust i df moje dane, z których pierwsza kolumna zawiera prosty indeks zaczynając od 0, a nazwy wiersza są imiona skupionych elementów:

# 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)