seaborn + matplotlib 画图(三): 热图

画图笔记第三篇，主要记录了热图和聚类热图的绘制方法，同样使用Iris数据集作为示例。
Seaborn 中文文档：https://seaborn.apachecn.org/#/README

seaborn + matplotlib 画图(一): 小提琴图，箱型图
seaborn + matplotlib 画图(二): 柱状图，散点图
seaborn + matplotlib 画图(三): 热图

1. 导入所需包

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns

2. 载入Iris数据

df = pd.read_csv('http://archive.ics.uci.edu/ml/machine-learning-databases/iris/iris.data', header=None)
df.columns = ['sepal_length','sepal_width','petal_length','petal_width','class']
print(df.shape)
print(df.head())
print(df['class'].value_counts())

-----outputs-----
(150, 5)

   sepal_length  sepal_width  petal_length  petal_width        class
0           5.1          3.5           1.4          0.2  Iris-setosa
1           4.9          3.0           1.4          0.2  Iris-setosa
2           4.7          3.2           1.3          0.2  Iris-setosa
3           4.6          3.1           1.5          0.2  Iris-setosa
4           5.0          3.6           1.4          0.2  Iris-setosa

Iris-virginica     50
Iris-setosa        50
Iris-versicolor    50
Name: class, dtype: int64

3. heatmap热图

取前5行前4列绘制热图：

sns.heatmap(df.iloc[:5,:4],        #传入数据
            cmap='Blues',        #设置colormap
            linewidths=1,        #线宽
            linecolor='k',        #线颜色
            square=True,        #是否为方形
            vmin=0, vmax=6,        #设置color bar的范围
            annot=df.iloc[:5,:4].values, fmt='')        #添加文字标注

plt.yticks(ticks=[0.5,1.5,2.5,3.5,4.5],        #设置y轴刻度
           labels=df['id'][:5],        #'id'列是第一篇笔记中加入的
           rotation=0,
           fontsize=12)
plt.xticks(ticks=[0.5,1.5,2.5,3.5],        #设置x轴刻度
           labels=['Sepal length','Sepal width','Petal length','Petal width'],
           rotation=60,
           rotation_mode='anchor',
           va='center', ha='right',
           fontsize=12)
plt.ylabel('Ylabel',fontsize=18)
plt.xlabel('Xlabel',fontsize=18)
ax = plt.gca()
ax.xaxis.set_label_coords(0.5, 1.15)        #设置xlabel的位置
# ax.yaxis.set_label_coords(-0.1, 0.5)        #设置ylabel位置
plt.show()

heatmap

4. clustermap聚类热图

聚类热图可以对行和列进行聚类：

row_color_list = [pal[i] for i in df['class']]
g = sns.clustermap(df.iloc[:,0:4],        #传入数据
                   cmap='viridis',        #color map
                   row_colors = row_color_list,        #设置每行的颜色
                   z_score=1,        #z_score: 0对行z-score,1对列z-score
                   center=0,vmin=-3, vmax=3,        #设置color bar的范围以及中心值
                   xticklabels=True, yticklabels=False,        #是否显示x/y轴刻度标签
                   col_cluster=True, row_cluster=True,        #是否对列/行聚类
                   method='average',metric='euclidean',        #聚类算法
                   cbar_pos=(1.03, 0.75, 0.05, 0.2),        #前两位是color bar左下角的坐标，后两位分别是宽和长
                   tree_kws={'linewidths':0.5},        # 树的线宽
                   dendrogram_ratio=(0.1,0.1),        # 树的高度(row,col)
                   colors_ratio=0.02)        # 行/列color标签的高度(row,col)

pal = {'Iris-setosa':'lightcoral','Iris-versicolor':'navajowhite','Iris-virginica':'cornflowerblue'}
for iris,color in pal.items():        #自定义图注
    g.ax_row_dendrogram.bar(0,0, color=color, label=iris, linewidth=3)
g.ax_row_dendrogram.legend(loc='center left', bbox_to_anchor=(10.5,0.5), ncol=1, frameon=False,fontsize=12)

g.ax_heatmap.set_xticklabels(g.ax_heatmap.get_xmajorticklabels(),        #可以传入列表作为x轴刻度标签
                             fontsize = 15)        #设置x轴刻度字体大小

plt.show()

clustermap