我有一个这种形式的数据集：
chrX posX labelX
其中chrX是指染色体数，posX是指位置，labelX是一个具有 3 个标签的分类变量。例如：
chr1 3223 1
chr1 3200 2
chr1 3100 1
chr1 1000 2
chr2 1000 1
chr1 3210 3
我想用某些约束对这些数据进行聚类（因此，这不再是通常的“聚类”），这样，对于每个染色体，其中的位点，比如说位置在一起，约束是它们应该具有唯一的标签。
例如，预期的输出将是：
chr1 : 3223(1) 3200(2) 3210(3)请注意站点之类chr1 3100 1的不是“集群”的一部分。
一种方法是简单地计算所有此类站点之间的成对差异，并在处理唯一标签的情况下扩展集群。
有没有更优雅的方法来解决这些问题？
在我的知识中，每个聚类算法都是基于距离，计算为成对差异。所以我不确定是否容易找到更优雅的通用方法。
在您的情况下，您可以计算距离，然后根据您的约束覆盖它。
这里有一个简单的例子，用距离阈值 30 简化为一个数值维度。
nlst <- c(1,3,5, 36,39,42, 1001,1003,1005, 1036,1039,1042)
d <- dist(nlst, method="euclidean")
dr <- as.dist(ifelse(as.matrix(d) > 30, NA, 0))
1 2 3 4 5 6 7 8 9 10 11
2 0
3 0 0
4 NA NA NA
5 NA NA NA 0
6 NA NA NA 0 0
7 NA NA NA NA NA NA
8 NA NA NA NA NA NA 0
9 NA NA NA NA NA NA 0 0
10 NA NA NA NA NA NA NA NA NA
11 NA NA NA NA NA NA NA NA NA 0
12 NA NA NA NA NA NA NA NA NA 0 0
扫描收集距离为零的点将给出结果聚类。
如果您的约束是局部的（即仅取决于您计算距离的两个点），这应该总是可行的。