使用seaborn绘制热图

欢迎关注”生信修炼手册”!

除了统计图表外&＃xff0c;seaborn也可以绘制热图&＃xff0c;而且支持聚类树的绘制&＃xff0c;绘制热图有以下两个函数

1. heatmap, 绘制普通的热图

2. clustermap&＃xff0c;绘制带聚类数的热图

1. heatmap

相比matplotlib的imshow功能&＃xff0c;该函数提供了更加简洁的接口&＃xff0c;可以轻松实现文字注释的添加等功能&＃xff0c;基本用法如下

>>> import numpy as np
>>> data &＃61; np.random.rand(10, 10)
>>> sns.heatmap(data)
>>> plt.show()

输出结果如下

在imshow中的部分参数在该函数中也是可以使用的&＃xff0c;比如vmin, vmax,cmap等参数。除了通用参数外&＃xff0c;该函数有两个特色&＃xff0c;第一就是可以方便的添加分割线&＃xff0c;使图片更加的美观&＃xff0c;使用linescolor和linewidth参数指定分割线的颜色和宽度&＃xff0c;用法如下

>>> sns.heatmap(data, linewidth&＃61;1)
>>> plt.show()

输出结果如下

第二个特色是添加数字注释&＃xff0c;在单元格上显示对应的数值&＃xff0c;用法如下

>>> sns.heatmap(data, linewidth&＃61;1, annot&＃61;True)
>>> plt.show()

输出结果如下

2. clustermap

clustermap绘制带聚类数的热图&＃xff0c;基本用法如下

>>> data &＃61; np.random.rand(10,5)
>>> df &＃61; pd.DataFrame(data)
>>> df.columns &＃61; [&＃39;sampleA&＃39;, &＃39;sampleB&＃39;, &＃39;sampleC&＃39;, &＃39;sampleD&＃39;, &＃39;sampleE&＃39;]
>>> sns.clustermap(df)
>>> plt.show()

输出结果如下

图中的聚类树是通过scipy模块中提供的距离矩阵和聚类算法实现的&＃xff0c;通过method和metrix参数可以分别指定聚类算法和距离矩阵的算法。

对于可视化而言&＃xff0c;我们常用的参数有以下3个&＃xff0c;第一个standard_scale, 对数据进行标准化&＃xff0c;比如按行进行标准化&＃xff0c;用法如下

>>> sns.clustermap(df, standard_scale&＃61;0)
>>> plt.show()

输出结果如下

第二个参数为z_score, zscore也是数据标准化的一种手段&＃xff0c;按照行列计算zscore的用法如下

>>> sns.clustermap(df, z_score&＃61;0)
>>> plt.show()

输出结果如下

第三个参数为row_color/col_color. 用来对行标签和列标签进行注释&＃xff0c;用法如下

>>> sns.clustermap(df, col_colors&＃61;[&＃39;r&＃39;,&＃39;g&＃39;,&＃39;b&＃39;,&＃39;b&＃39;,&＃39;b&＃39;])
>>> plt.show()

输出结果如下

以上只是介绍了两个函数的基本用法和常用参数&＃xff0c;其实具体的参数还要很多&＃xff0c;可以通过官网的API文档来详细学习每个参数的用法。

·end·

—如果喜欢&＃xff0c;快分享给你的朋友们吧—

原创不易&＃xff0c;欢迎收藏&＃xff0c;点赞&＃xff0c;转发&＃xff01;生信知识浩瀚如海&＃xff0c;在生信学习的道路上&＃xff0c;让我们一起并肩作战&＃xff01;

本公众号深耕耘生信领域多年&＃xff0c;具有丰富的数据分析经验&＃xff0c;致力于提供真正有价值的数据分析服务&＃xff0c;擅长个性化分析&＃xff0c;欢迎有需要的老师和同学前来咨询。

  更多精彩

• KEGG数据库&＃xff0c;除了pathway你还知道哪些

• 全网最完整的circos中文教程

• DNA甲基化数据分析专题

• 突变检测数据分析专题

• mRNA数据分析专题

• lncRNA数据分析专题

• circRNA数据分析专题

• miRNA数据分析专题

• 单细胞转录组数据分析专题

• chip_seq数据分析专题

• Hi-C数据分析专题

• HLA数据分析专题

• TCGA肿瘤数据分析专题

• 基因组组装数据分析专题

• CNV数据分析专题

• GWAS数据分析专题

• 2018年推文合集

• 2019年推文合集

  写在最后

转发本文至朋友圈&＃xff0c;后台私信截图即可加入生信交流群&＃xff0c;和小伙伴一起学习交流。

扫描下方二维码&＃xff0c;关注我们&＃xff0c;解锁更多精彩内容&＃xff01;

一个只分享干货的

生信公众号