R语言聚类分析实战：层次聚类与K-means一网打尽

一、

痛点：面对海量物种样本。常常不知道该选哪种聚类才能既看清层级结构，又快速得到明确分组。方法：先用层次聚类揭示样方之间的层级关系，再用K‑means在已知大致类别数时实现高效划分。

这篇文章以30个样方×20个物种的仿真群落数据为例。程序演示从距离计算、层次聚类到K‑means聚类的完整流程，方便你上手环境群落分类。话说回来，

二、数据准备

仿真生成的多度矩阵。每行代表一个样方，每列代表一个物种的计数。

• 从样方名来看，Plot01 ~ Plot30
• 至于物种名。Sp01 ~ Sp20
• 设计了3个群落类型，优势物种分别为 1‑8、9‑15、16‑20。

# 读取数据
df <- read.csv
head  # 查看前6行前6列

三、层次聚类

从第一步先来看，计算距离矩阵

痛点：不清楚哪种距离度量最适合多度数据。按理说，建议：多度数据首选 Bray‑Curtis；若想兼顾有无信息，可使用 Jaccard.

library
# 常用两种距离
dist_jac <- vegdist   # Jaccard
dist_bc  <- vegdist      # Bray‑Curtis

从接下来来看。UPGMA 聚类

痛点：对 hclust method 参数感到困惑。解决："average" 对应 UPGMA，是最平衡的选择；不过，如果希望得到更紧凑的簇。可尝试 "ward.D2".

hc_upgma <- hclust
# 可备选：
# hc_ward <- hclust

：绘制树状图

垂下式——适合样方不多时直观看层级。

par + 0.1)
plot(hc_upgma,hang = -1,main = "Hierarchical Clustering ",xlab = "Sample"。ylab = "Jaccard Distance",cex = 0.8)
rect.hclust(hc_upgma,k = 3,border = c)

水平树状图——当样方很多时更易阅读。

plot,horiz = TRUE,main = "Hierarchical Clustering ")

第四步的观点是。 切割树得到分组标签

hc_clusters <- cutree
table   # 查看每个簇的样本数

四、K‑means 聚类

第一步先这方面，降维

K‑means 在原始高维空间表现不佳，推荐先把 Bray‑Curtis 距离做 PCoA 降到几维。

dist_bc <- vegdist
pcoa_res <- cmdscale   # 前四轴
head

说到接下来。执行 K‑means

痛点：K‑means 对初始中心敏感，常出现局部最优。

set.seed # 保证可复现
kmres <- kmeans(pcoares$points,centers = 3。nstart = 50) # 随机起始尝试50次
km_res$cluster # 每个样方所属簇号

：可视化结果

使用  直接把前两主坐标投影并标记簇。

library

fvizcluster(kmres,data = pcoares$points,ellipse.type = "norm",palette = c。ggme = mebw,main = "K-means Clustering ",labelsize = 0.8) + labs

五、结果解读与对比

• #1 层级结构清晰：PCA 前的树状图显示三个主分支对应仿真的三类群落。
• #2 两种方法基本一致：K‑means 在 PCoA 空间中得到的簇编号与切割后的层次聚类基本匹配，说明所选距离和降维方式都合理。
• #3 可视化直观：K‑means 的散点图配合置信椭圆，可快速判断各簇内部的一致性与跨簇混杂程度。
• #4 实际使用场景：
  • 依据物种组成划分群落类型；说起来，
  • 验证预设处理组是否在物种组成上显著区别；

六、完整可运行代码

library library

df <- read.csv

distjac <- vegdist # 或 bray hcupgma <- hclust

pdf par+0.1) plot(hcupgma,hang=-1,main="Hierarchical Clustering ",xlab="Sample",ylab="Jaccard Distance",cex=0.8) rect.hclust(hcupgma,k=3,border=c) dev.off

pdf plot,horiz=TRUE,main="Hierarchical Clustering ") dev.off

hc_clusters <- cutree

distbc <- vegdist pcoares <- cmdscale # 前四轴

set.seed kmres <- kmeans(pcoares$points,centers=3。nstart=50)

result_tbl <- data.frame( Sample = rownames, Hierarchical = paste0, Kmeans = paste0 ) head write.csv

七、实用方法

数据类型​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​​‍‍‍‍‍‍‍‍‌‌‌‎‏‏‏‏‏‏‏‎‎‎‌‬‪‎‎️️️️️‌‌‌‌‌‌‌‌‌‌‮‮‮‮‮‫‫‫‫‪‪‪‪‬‬‬‬⁠⁠⁠⁠⁠⁠͍͍͍͍✱✱✱✱ ✱✱✱✱☰☰☰☰☰ ☰ ☰ ☰ ☰ ☰ ☰ ☰ ‎ ‌ ‌ ‌ ‍ ‍ ‌ ‌‌ ‌ ‍ ‌ ‍ ‎ ‎ ‎ ‎ ‎ ‎ ‎ ‏ ‏ ‏ ‏ ‏ ‏ ‏ ‏ ​‏ ‑ ​​​​​   ⁢⁢⁢⁢⁢⁢⁢ ⁣⁣⁣⁣⁣⁣⁣⁣⁣⠀⠀⠀⠀⠀⎠⎠⎠⎠⎠⎠⎠⟦⟦⌈⌈⌈⌈⌈ ⌈ ⌈ ⌈ ⌈ ⌈ ⌈ ⌈ ⊤⊤⊤⊤⊤⊤⊤⊜⊜⊜⬙⬙⬙⬙⬙⬙⬙⬙↯↯↯↯ ↧ ↧ ↧ ↧ ➞ ➞ ➞➞ ➞ ➞➞➞➡➡➡➡🚫🚫🚫🚫🔐🔐🔐🔐🛡🛡🛡🛡⚔⚔⚔⚔ 🕸🕸🕸🕸💣💣💣💣 📦📦📦📦 📊📊📊📊 📚📚📚📚 🪓🪓🪓🪓 🔥🔥🔥🔥 🎉🎉🎉🎉 👀👀👀👀 🎯🎯🎯🎯 🍿🍿🍿🍿 💡💡💡💡 🚀🚀🚀🚀 🌟🌟🌟🌟 | 数据类型 | 推荐距离 | R 函数 | |----------|-----------|--------| | 多度计数 | Bray–Curtis | `vegdist` | | 有无矩阵或稀疏多度 | Jaccard | `vegdist`| | 连续环境变量 | Euclidean | `dist`)| | 标准化后多度 | Euclidean | 同上 |

• SCALE / HELLINGER 转换：K‑means 前建议对计数做 Hellinger 或 log 转换，以降低稀有物种噪声。示例的观点是，

  df_hellinger <- decostand

• NSTART 设置：K‑means 至少要跑 `nstart>= 25`;越大越稳，但耗时也会线性增长。
• CUTREE 高亮： 用不同颜色标记切割后的簇。可在报告里直接复制图片，无需额外手工标注。
• 避免纯数字行名： 如 “001”“002”，R 会自动转成行号导致错位。务必加前缀，如 “Plot001”。

---