seaborn.clustermap#

seaborn.clustermap(data, *, pivot_kws=None, method='average', metric='euclidean', z_score=None, standard_scale=None, figsize=(10, 10), cbar_kws=None, row_cluster=True, col_cluster=True, row_linkage=None, col_linkage=None, row_colors=None, col_colors=None, mask=None, dendrogram_ratio=0.2, colors_ratio=0.03, cbar_pos=(0.02, 0.8, 0.05, 0.18), tree_kws=None, **kwargs)#

将矩阵数据集绘制为层次聚类热图。

此函数需要 scipy 可用。

参数：
data2D 数组类

用于聚类的矩形数据。不能包含 NAs。

pivot_kws字典，可选

如果 data 是一个整洁的数据框，可以提供关键字参数用于 pivot 来创建一个矩形数据框。

method字符串，可选

用于计算聚类的连接方法。有关更多信息，请参阅 scipy.cluster.hierarchy.linkage() 文档。

metric字符串，可选

用于数据的距离度量。有关更多选项，请参阅 scipy.spatial.distance.pdist() 文档。要对行和列使用不同的度量（或方法），您可以自行构建每个连接矩阵，并将它们提供为 {row,col}_linkage。

z_score整数或无，可选

0（行）或 1（列）。是否要计算行或列的 z 分数。z 分数为：z = (x - mean)/std，因此每行（列）中的值将减去行（列）的平均值，然后除以行（列）的标准差。这确保每行（列）的平均值为 0，方差为 1。

standard_scale整数或无，可选

0（行）或 1（列）。是否要标准化该维度，这意味着对于每行或列，减去最小值，然后除以其最大值。

figsize（宽度，高度）元组，可选

图形的总体大小。

cbar_kws字典，可选

要传递给 cbar_kws 的关键字参数 heatmap()，例如，要为颜色条添加标签。

{row,col}_cluster布尔值，可选

如果 True，则聚类 {行，列}。

{row,col}_linkagenumpy.ndarray，可选

行或列的预先计算的连接矩阵。有关特定格式，请参阅 scipy.cluster.hierarchy.linkage()。

{row,col}_colors列表类或 pandas 数据框/序列，可选

用于标记行或列的颜色列表。用于评估组内的样本是否聚集在一起。可以使用嵌套列表或数据框来进行多个颜色级别标记。如果以 pandas.DataFrame 或 pandas.Series 的形式给出，则颜色的标签是从数据框的列名或序列的名称中提取的。数据框/序列颜色也与其索引匹配，确保颜色按正确的顺序绘制。

mask布尔数组或数据框，可选

如果传递，则当 mask 为 True 时，数据将不会显示在单元格中。具有缺失值的单元格会自动被屏蔽。仅用于可视化，不用于计算。

{dendrogram,colors}_ratio浮点数，或浮点数对，可选

分配给两个边际元素的图形大小比例。如果给出对，则它们对应于 (row, col) 比例。

cbar_pos（左，下，宽，高）元组，可选

图形中颜色条轴的位置。设置为 None 将禁用颜色条。

tree_kws字典，可选

用于 matplotlib.collections.LineCollection 的参数，用于绘制树状图的线条。

kwargs其他关键字参数

所有其他关键字参数将传递给 heatmap()。

返回值：
ClusterGrid

一个 ClusterGrid 实例。

另请参阅

heatmap

将矩形数据绘制为颜色编码矩阵。

注意

返回的对象具有一个 savefig 方法，如果您想保存图形对象而不裁剪树状图，则应使用该方法。

要访问重新排序的行索引，请使用：clustergrid.dendrogram_row.reordered_ind

列索引，请使用：clustergrid.dendrogram_col.reordered_ind

示例

绘制具有行和列聚类的热图

iris = sns.load_dataset("iris")
species = iris.pop("species")
sns.clustermap(iris)
../_images/clustermap_1_0.png

更改图形的大小和布局

sns.clustermap(
    iris,
    figsize=(7, 5),
    row_cluster=False,
    dendrogram_ratio=(.1, .2),
    cbar_pos=(0, .2, .03, .4)
)
../_images/clustermap_3_0.png

添加彩色标签以识别观测值

lut = dict(zip(species.unique(), "rbg"))
row_colors = species.map(lut)
sns.clustermap(iris, row_colors=row_colors)
../_images/clustermap_5_0.png

使用不同的颜色映射并调整颜色范围的限制

sns.clustermap(iris, cmap="mako", vmin=0, vmax=10)
../_images/clustermap_7_0.png

使用不同的聚类参数

sns.clustermap(iris, metric="correlation", method="single")
../_images/clustermap_9_0.png

对列中的数据进行标准化

sns.clustermap(iris, standard_scale=1)
../_images/clustermap_11_0.png

对行中的数据进行归一化

sns.clustermap(iris, z_score=0, cmap="vlag", center=0)
../_images/clustermap_13_0.png