本文实例为大家分享了Python实现简单层次聚类算法，以及可视化，供大家参考，具体内容如下

成都创新互联-专业网站定制、快速模板网站建设、高性价比维西网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式维西网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖维西地区。费用合理售后完善，十余年实体公司更值得信赖。

基本的算法思路就是：把当前组间距离最小的两组合并成一组。

算法的差异在算法如何确定组件的距离，一般有大距离，最小距离，平均距离，马氏距离等等。

代码如下：

import numpy as np
import data_helper
np.random.seed(1)
def get_raw_data(n):
 _data=np.random.rand(n,2)
 #生成数据的格式是n个（x,y）
 _groups={idx:[[x,y]] for idx,(x,y) in enumerate(_data)}
 return _groups
def cal_distance(cluster1,cluster2):
 #采用最小距离作为聚类标准
 _min_distance=10000
 for x1,y1 in cluster1:
  for x2,y2 in cluster2:
   _distance=(x1-x2)**2+(y1-y2)**2
   if _distance<_min_distance:
    _min_distance=_distance
 return _distance
groups=get_raw_data(10)
count=0
while len(groups)!=1:#判断是不是所有的数据是不是归为了同一类
 min_distance=10000
 len_groups=len(groups)
 
 for i in groups.keys():
  for j in groups.keys():
   if i>=j:
    continue
   distance=cal_distance(groups[i],groups[j])
   if distancei
 groups[min_i].extend(groups.pop(min_j))
 data_helper.draw_data(groups)
 #一共n个簇，共迭代n-1次

名称栏目：Python实现简单层次聚类算法以及可视化-创新互联
路径分享：http://scyingshan.cn/article/cocpcj.html