python (Seaborn) 实现heatmap

对于习惯使用python的朋友，可以考虑用seaborn库画图，方便高效。

对于热图，可以考虑使用seaborn.clustermap来做。其参数如下：

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)

其中data是个2D array，且不能含有NA (这个与R中的heatmap.2等不同)；

（此处用的seaborn版本是0.10.0）

import seaborn as sns
sns.set(color_codes=True)
iris = sns.load_dataset("iris")
species = iris.pop("species")
g = sns.clustermap(iris)

heatmap1

修改大小/排布等：

g = sns.clustermap(iris,
                   figsize=(7, 5),
                   row_cluster=False,
                   dendrogram_ratio=(0.1, 0.2),
                   cbar_pos=(0, 0.2, 0.03, 0.4))

heatmap2

加上color bar:

lut = dict(zip(species.unique(), "rbg"))
row_colors = species.map(lut)
g = sns.clustermap(iris, row_colors=row_colors)

heatmap3

修改颜色和颜色范围，其中cmap参数可以修改颜色，有很多可选，可以参考这个帖子https://blog.csdn.net/ztf312/article/details/102474190：

g = sns.clustermap(iris, cmap="jet", vmin=0, vmax=10)

heatmap4

修改距离计算方法，默认为欧式距离：

g = sns.clustermap(iris, metric="correlation")

heatmap5

对行进行标准化，0是行，1是列：

g = sns.clustermap(iris, z_score=0, cmap="vlag")

heatmap6

欢迎关注～

生信编程日常