我有一组文本，想对其进行聚类分析。我已经计算了每对文本之间的归一化压缩距离，现在我基本上构建了一个带有加权边的完整图，看起来像这样：
text1, text2, 0.539text2, text3, 0.675我很难找到将这些数据输入到scipy的层次聚类方法中的最佳方式。我可能会将距离数据转换成这个页面上显示的那种表格形式。如何格式化这些数据，以便它们可以轻松地输入到scipy的HAC代码中？
回答：
你将数据转换成链接页面上显示的那种表格（冗余距离矩阵）的想法是正确的。根据文档，你应该可以直接将它传递给scipy.cluster.hierarchy.linkage或相关函数，如scipy.cluster.hierarchy.single或scipy.cluster.hierarchy.complete。这些相关函数明确指定了如何计算聚类之间的距离。scipy.cluster.hierarchy.linkage允许你指定你想要的任何方法，但默认使用单链接（即两个聚类之间的距离是它们最近点的距离）。所有这些方法都会返回一个表示聚合聚类的多维数组。然后，你可以使用scipy.cluster.hierarchy模块的其余部分对这个聚类执行各种操作，如可视化或扁平化它。
然而，这里有一个问题。在这个问题撰写时，尽管文档说你可以使用冗余距离矩阵，但实际上你不能。基于github问题仍然开放的事实，我认为这个问题还没有解决。正如链接问题中的答案所指出的，你可以通过将完整的距离矩阵传递给scipy.spatial.distance.squareform函数来绕过这个问题，该函数会将其转换为实际接受的格式（包含距离矩阵上三角部分的扁平数组，称为压缩距离矩阵）。然后，你可以将结果传递给scipy.cluster.hierarchy函数之一。
