如何给sns.clustermap一个预先计算的距离矩阵？

Question

通常当我做树状图和热图时，我使用距离矩阵并做很多SciPy事情。我想尝试一下，Seaborn但是Seaborn想要我的数据是矩形的（行=样本，cols
=属性，而不是距离矩阵）？

我本质上想seaborn用作后端来计算我的树状图并将其附加到我的热图上。这可能吗？如果没有，将来是否可以提供此功能。

也许我可以调整一些参数，以便可以使用距离矩阵而不是矩形矩阵？

这是用法：

seaborn.clustermap¶
seaborn.clustermap(data, pivot_kws=None, method='average', metric='euclidean',
 z_score=None, standard_scale=None, figsize=None, cbar_kws=None, row_cluster=True,
 col_cluster=True, row_linkage=None, col_linkage=None, row_colors=None,
 col_colors=None, mask=None, **kwargs)

我的代码如下：

from sklearn.datasets import load_iris
iris = load_iris()
X, y = iris.data, iris.target
DF = pd.DataFrame(X, index = ["iris_%d" % (i) for i in range(X.shape[0])], columns = iris.feature_names)

我认为下面的方法不正确，因为我给了它一个预先计算的距离矩阵，而不是它要求的矩形数据矩阵。没有关于如何使用相关性/距离矩阵的示例，clustermap但是有https://stanford.edu/~mwaskom/software/seaborn/examples/network_correlations.html的示例，但是排序不是与普通sns.heatmap函数一起进行的。

DF_corr = DF.T.corr()
DF_dism = 1 - DF_corr
sns.clustermap(DF_dism)

Answer 1

您可以将预先计算的距离矩阵作为链接传递给clustermap()：

import pandas as pd, seaborn as sns
import scipy.spatial as sp, scipy.cluster.hierarchy as hc
from sklearn.datasets import load_iris
sns.set(font="monospace")

iris = load_iris()
X, y = iris.data, iris.target
DF = pd.DataFrame(X, index = ["iris_%d" % (i) for i in range(X.shape[0])], columns = iris.feature_names)

DF_corr = DF.T.corr()
DF_dism = 1 - DF_corr   # distance matrix
linkage = hc.linkage(sp.distance.squareform(DF_dism), method='average')
sns.clustermap(DF_dism, row_linkage=linkage, col_linkage=linkage)

对于clustermap(distance_matrix)（即，未通过链接），链接是基于距离矩阵中行和列的成对距离（在内部获得详细信息，在内部进行计算），而不是直接使用距离矩阵的元素（正确的解决方案）
。结果，输出与问题中的输出有些不同：

注意：如果没有row_linkage将传递给clustermap()，则通过将每行视为一个“点”（观察）并计算点之间的成对距离来内部确定行链接。因此行树状图反映了行相似性。与相似col_linkage，其中每列均视为一个点。此说明可能应该添加到docs中。在此修改文档的第一个示例，以使内部链接计算明确：

import seaborn as sns; sns.set()
import scipy.spatial as sp, scipy.cluster.hierarchy as hc
flights = sns.load_dataset("flights")
flights = flights.pivot("month", "year", "passengers")
row_linkage, col_linkage = (hc.linkage(sp.distance.pdist(x), method='average')
  for x in (flights.values, flights.values.T))
g = sns.clustermap(flights, row_linkage=row_linkage, col_linkage=col_linkage) 
  # note: this produces the same plot as "sns.clustermap(flights)", where
  #  clustermap() calculates the row and column linkages internally