Python seaborn更改clustermap可视化选项，无需重新进行群集

是否可以在以前获得的

ClusterGrid

对象上运行seaborn.clustermap

例如，在以下示例中，我使用用户clustermap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，如不同的颜色贴图、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，但我有一种方法，即使用更大的数据集，聚类部分需要花费大量时间

---

我可以使用

g

使用不同选项显示热图和树状图吗？

由

clustermap

返回的对象类型为

ClusterGrid

。该对象在

seaborn

中没有真正的文档记录，但是，它本质上只是几个

轴

对象的容器。根据要进行的操作类型，您可能只需要访问相关的

轴

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([])

颜色映射的东西更难访问

clustermap

在引擎盖下使用matplotlib

pcolormesh

。此函数返回一个

collection

对象（

QuadMesh

），该对象存储在主轴的集合列表中（

g.ax\u heatmap.collections

）。由于seaborn不会在该轴上绘制任何其他图形，因此我们可以通过索引

[0]

获得

四边形网格对象，然后我们可以使用适用于该对象的任何函数

# change the colormap used
g.ax_heatmap.collections[0].set_cmap('seismic')

要定义您自己的颜色映射，例如相关特征的发散颜色映射，您可以使用matplotlib中的
。颜色导入列表颜色映射；想要的cmap=列表颜色图（sns.发散调色板（240，10，n=9））；g、 ax\u热图。集合[0]。设置\u cmap（通缉\u cmap）