1 函数原型：
scipy.cluster.hierarchy.linkage(y, method='single', metric='euclidean', optimal_ordering=False)
函数功能：进行层次聚类/凝聚聚类。
参数：
y: 可以是1维压缩向量（距离向量），也可以是2维观测向量（坐标矩阵）。若y是1维压缩向量，则y必须是n个初始观测值的组合，n是坐标矩阵中成对的观测值。
返回值：(n-1)*4的矩阵Z（后面会仔细的讲解返回值各个字段的含义）
linkage方法用于计算两个聚类簇s和t之间的距离d(s,t)，这个方法的使用在层次聚类之前。当s和t行程一个新的聚类簇u时，s和t被从森林（已经形成的聚类簇群）中移除，而用新的聚类簇u来代替。当森林中只有一个聚类簇时算法停止。而这个聚类簇就成了聚类树的根。
距离矩阵在每次迭代中都将被保存，d[i,j]对应于第i个聚类簇与第j个聚类簇之间的距离。每次迭代必须更新新形成的聚类簇之间的距离矩阵。
假定现在有|u|个初始观测值u[0],...,u[|u|-1]在聚类簇u中，有|v|个初始对象v[0],...,v[|v|-1]在聚类簇v中。回忆s和t合并成u。让v成为森林中的聚类簇，而不是u。
下面是计算新形成的聚类簇u和v之间距离的方法：
- method = ‘single’
d(u,v) = min(dist(u[i],u[j]))
对于u中所有点i和v中所有点j。这被称为最近邻点算法。
- method = 'complete'
d(u,v) = max(dist(u[i],u[j]))
对于u中所有点i和v中所有点j。这被称为最近邻点算法。
- method = 'average'
|u|，|v|是聚类u和v中元素的的个数，这被称为UPGMA算法（非加权组平均）法。
- method = 'weighted'
d(u,v) = (dist(s,v) + dist(t,v))/2
u是由s和t形成的，而v是森林中剩余的聚类簇，这被称为WPGMA（加权分组平均）法。
- method = 'centroid'
Cs和Ct分别为聚类簇s和t的聚类中心，当s和t形成一个新的聚类簇时，聚类中心centroid会在s和t上重新计算。这段聚类就变成了u的质心和剩下聚类簇v的质心之间的欧式距离。这杯称为UPGMC算法（采用质心的无加权paire-group方法）。
- method = 'median'
- method = 'ward' （沃德方差最小化算法）
新的输入d(u,v)通过下式计算得出，
u是s和t组成的新的聚类，v是森林中未使用的聚类。T = |v|+|s|+|t|，|*|是聚类簇中观测值的个数。
注意：当最小距离在一个森林中成对存在时，即有多个最小距离的时候，具体的实现要看MATLAB的版本（因为这个函数是从matlab里面copy过来的）。
2 参数：
y：nump.ndarry。是一个压缩距离的平面上三角矩阵。或者n*m的观测值。压缩距离矩阵的所有元素必须是有限的，没有NaNs或infs。
method：str，可选。
metric：str或function，可选。在y维观测向量的情况下使用该参数，苟泽忽略。参照有效距离度量列表的pdist函数，还可以使用自定义距离函数。
optimal_ordering:bool。若为true，linkage矩阵则被重新排序，以便连续叶子间距最小。当数据可视化时，这将使得树结构更为直观。默认为false，因为数据集非常大时，执行此操作计算量将非常大。
Note：上述算法的时间复杂度如下：
| 算法 | 时间复杂度 |
| single | O(n2) |
| complete | O(n2) |
| average | O(n2) |
| weighted | O(n2) |
| ward | O(n2) |
| 其他 | O(n2) |
3 返回值：
Z：numpy.ndarry。
层次聚类编码为一个linkage矩阵。
Z共有四列组成，第一字段与第二字段分别为聚类簇的编号，在初始距离前每个初始值被从0~n-1进行标识，每生成一个新的聚类簇就在此基础上增加一对新的聚类簇进行标识，第三个字段表示前两个聚类簇之间的距离，第四个字段表示新生成聚类簇所包含的元素的个数。
下面举个例子来说明一下：
#%%from scipy.cluster.hierarchy import dendrogram, linkage,fclusterfrom matplotlib import pyplot as pltX = [[i] for i in [2, 8, 0, 4, 1, 9, 9, 0]]# X = [[1,2],[3,2],[4,4],[1,2],[1,3]]Z = linkage(X, 'ward')f = fcluster(Z,4,'distance')fig = plt.figure(figsize=(5, 3))dn = dendrogram(Z)plt.show()下面是聚类结果的可视化聚类树：
下面是返回值的解析：
2018/2/25凌晨1点于中关村。