是否可以在之前获得的ClusterGrid对象上运行seaborn.clustermap？
例如，我在以下示例中使用 clustermap 来获取 g:
import seaborn as ns
data = sns.load_dataset("iris")
species = iris.pop("species")
g = sns.clustermap(
data,
cmap="mako",
col_cluster=False,
yticklabels=False, figsize=(5, 10),
method='ward',
metric="euclidean"
)
我想尝试不同的可视化选项，例如不同的颜色图、图形大小、带标签和不带标签的外观等。
使用iris数据集，一切都非常快，但我有一个更大的数据集，并且聚类部分需要很多时间。
我可以使用 g 使用不同的选项显示热图和树状图吗？
最佳答案
clustermap 返回的对象属于 ClusterGrid 类型。该对象并未真正记录在 seaborn 中，但是，它本质上只是一些 Axes 对象的容器。根据您想要进行的操作类型，您可能只需要访问相关的 Axes 对象或图形本身:
# change the figure size after the fact
g.fig.set_size_inches((4,4))
# remove the labels of the heatmap
g.ax_heatmap.set_xticklabels([])
颜色图的访问有点困难。 clustermap 在底层使用 matplotlib pcolormesh 。此函数返回一个 collection 对象 (QuadMesh)，该对象存储在主轴集合列表 (g.ax_heatmap.collections) 中。因为，据我所知，seaborn 不会在该轴上绘制任何其他内容，我们可以通过索引 [0] 获取 QuadMesh 对象，然后我们可以使用任何适用的函数到那个对象。
# change the colormap used
g.ax_heatmap.collections[0].set_cmap('seismic')
关于python - seaborn 更改聚类图可视化选项，无需重做聚类，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53816794/