ntsys制作聚类图(实例讲解)

Python中的聚类分析方法和应用聚类分析是一种数据挖掘技术，在数据分析、机器学习、人工智能等领域都有广泛的应用。

它的基本思想是将相似的样本归为同一类，不同的样本归为不同的类，从而实现对数据的分类和整理。

Python作为一种强大的编程语言，也提供了多种聚类分析算法的实现，以下是聚类分析在Python中的应用及其方法。

一、K-Means算法K-Means算法是一种经典的聚类算法，常用于分析数量较大的数据集。

K-Means算法通过不断迭代的方式，将数据集中的每一个样本归为k个簇中的某一个。

它的基本流程如下：首先从数据集中随机选取k个样本作为簇的中心点，然后计算数据集中其他样本与这k个簇中心点的距离，并将距离最近的样本分配给它所对应的簇。

接着重新计算每个簇的中心点，并重复这个过程，直到目标函数收敛或达到指定的迭代次数。

在Python中，K-Means算法的实现非常简单，主要依托于scikit-learn库。

引入sklearn.cluster包，并使用KMeans类即可。

以下是一个简单的Python代码示例：```from sklearn.cluster import KMeansimport numpy as npdata = np.random.rand(1000, 2)kmeans = KMeans(n_clusters=3, random_state=0).fit(data) labels = bels_centers = kmeans.cluster_centers_```其中，随机生成1000个二维数据作为数据集，然后使用KMeans 类进行聚类，将数据集划分为3个簇。

最后，通过labels和centers 变量获取分类信息和中心点坐标。

二、层次聚类算法层次聚类算法是另一种经典的聚类算法，在Python中同样得到了广泛的应用。

层次聚类算法又被称为自底向上聚类（bottom-up clustering）或自上而下聚类（top-down clustering），它的基本思想是不断合并距离最近的样本，直到所有的样本都被归为一类为止。

NTSYS软件进行聚类分析——UPGMA实例第一部分说明文档Cluster analysis 聚合分析NTSYSpc最常见的使用是对某些相似或相异矩阵进行各种聚类分析。

以下是一个批处理例子；首先，标准化数据矩阵，其次，计算各列之间的距离系数，第三，采用单链路聚类方法，第四，计算表面值（超度量）矩阵和相关系数，第五，以散点图形式显示结果并同时输出距离矩阵。

" Standardize the variables*stand o=data.nts r=sdata.nts" Compute a distance matrix*simint o=sdata.nts r=dist.nts c=dist" Do a single-link cluster analysis of the distance matrix*sahn o=dist.nts r=tree.nts cm=single" Compute cophenetic values*coph o=tree.nts r=coph.nts" Compute the cophenetic correlation*mxcomp x=coph.nts y=dist.nts" Display phenogram*tree o=tree.nts" Display distance matrix*output o=dist.nts第二部分实例解析如果你的数据集包含量纲不一致的变量，则必须要先经过标准化处理，可以用STAND 组件完成。

如下图指明了标准化窗口。

Test.nts文件将被按行(意味着行为变量)标准化，并输出标准化文件名为teststand.nts。

如果你的变量量纲一致(如，基因序列)或者是定性数据则不需要标准化处理。

输出结果如下（5个变量的简单统计）下一步，相似或非相似矩阵数据集必须要在标准化后的数据集上构建，用来衡量各OTUS（列）两两之间的相似/非相似程度。

在整堂课的教学中，刘教师总是让学 生带着 问题来 学习， 而问题 的设置 具有一 定的梯 度，由 浅入深 ，所提 出的问 题也很 明确
Outlines
聚类的思想 常用的聚类方法 实例分析：层次聚类
在整堂课的教学中，刘教师总是让学 生带着 问题来 学习， 而问题 的设置 具有一 定的梯 度，由 浅入深 ，所提 出的问 题也很 明确
3. 实例分析：层次聚类算法
定义：对给定的数据进行层次的分解
第4 步
➢
凝聚的方法（自底向上）『常用』
思想：一开始将每个对象作为单独的
第3 步
一组，然后根据同类相近，异类相异 第2步 的原则，合并对象，直到所有的组合
并成一个，或达到一个终止条件。 第1步
a, b, c, d, e c, d, e d, e
X3 Human（人） X4 Gorilla（大猩猩） X5 Chimpanzee（黑猩猩） X2 Symphalangus（合趾猿） X1 Gibbon（长臂猿）
在整堂课的教学中，刘教师总是让学 生带着 问题来 学习， 而问题 的设置 具有一 定的梯 度，由 浅入深 ，所提 出的问 题也很 明确
离差平方和法（ ward method ）：
各元素到类中心的欧式距离之和。
Gp
Cluster P
Cluster M
Cluster Q
D2 WM Wp Wq
G q
在整堂课的教学中，刘教师总是让学 生带着 问题来 学习， 而问题 的设置 具有一 定的梯 度，由 浅入深 ，所提 出的问 题也很 明确
凝聚的层次聚类法举例
Gp G q
Dpq max{ dij | i Gp , j Gq}
在整堂课的教学中，刘教师总是让学 生带着 问题来 学习， 而问题 的设置 具有一 定的梯 度，由 浅入深 ，所提 出的问 题也很 明确

前言做分子标记的同学都知道，数据分析基本全靠软件。

目前网上有很多软件可以用，POPGENE、NTSYS、AMOV A是最常用的，几乎所有文献中都有用到这三种，另外如果要计算异交率、自交率还要用到MLTR软件，但是这个软件我在网上找了好久都没有中文的使用说明，自己摸索了一段时间，虽然数据格式算是弄懂了，但数据分析时参数的设置还是搞不懂，所以索性没用这个软件分析了。

我的课题是用ISSR检测遗传多样性的，当时在网上搜罗软件的时候就发现，各种软件都有热心网友进行了总结，也写了使用攻略，只是一般都是单个软件写的，找起来挺麻烦，当时找了好几个论坛才找齐，所以我当时对自己说，等我写好论文，我要把这些软件的使用方法全总结在一起，方便大家使用，现在论文撰写总算告一段落了，也该实践这个承诺了。

下面我就依次把POPGENE、NTSYS、AMOV A的使用方法通过图文的方式展现给大家，数据用我自己论文的数据。

不过我的水平有限，也只会对有限的几个参数进行检测，这篇文章也只能作抛砖引玉了，希望有更多的朋友把自己的心得发上来，如果有会用MLTR的也希望能把使用方法拿出来共享一下啦！生物秀ID：bobolove第一部分POPGENE 1.32POPGENE这个软件可以用来测很多遗传多样性参数，包括等位基因数（Na，Ne）、Nei’s 遗传多样性指数（He）、shannon’s多样性信息指数（I）、多态位点百分率（PPB）、遗传分化值（Gst）、基因流（Nm）、遗传距离等等，是用来检测遗传多样性最普遍的软件，使用起来也不难，只要把数据格式弄好就可以了。

1.1 数据格式数据格式在所有软件使用里都是最重要的，把我们检测到的条带在EXCLE里转换成01矩阵后，要再输入TXT里才能在POPGENE中使用。

图1-1是在TXT文档里的数据格式。

图1-1 POPGENE数据格式1.2 打开软件，载入数据依次执行：file→load data→dominate marker data(对ISSR来说是显性标记)→目标TXT 文档，打开后如图1-2所示。