如何在 Seaborn 中的热图轴上表达类

我使用 Seaborn 创建了一个非常简单的热图，显示相似性方阵。这是我使用的一行代码：

sns.heatmap(sim_mat, linewidths=0, square=True, robust=True)
sns.plt.show()

这是我得到的输出：

我想做的是在 x 和 y 轴上表示的不是我的实例的标签，而是一个彩色指示器（想象一下每个轴上有一个小 palplot），其中每种颜色代表与每个实例关联的另一个变量（比方说我将此信息存储在一个名为的列表中labels）在指定热图颜色的图例旁边加上此类信息的另一个图例（类似于lmplot）。重要的是这两个信息具有不同的调色板。

这在 Seaborn 中可能吗？

UPDATE

我正在寻找的是clustermap正如正确建议的那样。

sns.clustermap(sim_mat, row_colors=label_cols, col_colors=label_cols
    row_cluster=False, col_cluster=False)

这就是我所得到的，点和线太小，我在文档中看不到放大它们的方法。我想

另外，如何添加图例并将两个图例并排放置在同一位置？

有两种选择：

First, heatmap是一个轴级别图，因此您可以为相关矩阵设置一个主要的大型主热图轴，并在其侧面使用热图，然后将类颜色传递给自己。这将需要一些工作，但可以让您更好地控制一切的运作方式。

这或多或少是一个选择clustermap不过，所以我将在这里演示如何做到这一点。这有点麻烦，但它会起作用。

首先，我们将加载示例数据并进行一些迂回转换以获取类标签的颜色。

networks = sns.load_dataset("brain_networks", index_col=0, header=[0, 1, 2])
network_labels = networks.columns.get_level_values("network")
network_pal = sns.cubehelix_palette(network_labels.unique().size,
                                    light=.9, dark=.1, reverse=True,
                                    start=1, rot=-2)
network_lut = dict(zip(map(str, network_labels.unique()), network_pal))

network_colors = pd.Series(network_labels).map(network_lut)

接下来我们调用clustermap来制作主线剧情。

g = sns.clustermap(networks.corr(),

                  # Turn off the clustering
                  row_cluster=False, col_cluster=False,

                  # Add colored class labels
                  row_colors=network_colors, col_colors=network_colors,

                  # Make the plot look better when many rows/cols
                  linewidths=0, xticklabels=False, yticklabels=False)

侧面颜色是用热图绘制的，matplotlib 将其视为定量数据，因此没有直接的方法可以直接从中获取图例。相反，我们将添加一个具有正确颜色和标签的不可见条形图，然后添加一个图例that.

for label in network_labels.unique():
    g.ax_col_dendrogram.bar(0, 0, color=network_lut[label],
                            label=label, linewidth=0)
g.ax_col_dendrogram.legend(loc="center", ncol=6)

最后，让我们移动颜色条以占据行树状图通常所在的空白区域并保存图形。

g.cax.set_position([.15, .2, .03, .45])
g.savefig("clustermap.png")