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一堆SciPy 的东西。我想试试Seaborn 但Seaborn 想要我的数据是矩形的（行=样本，列=属性，而不是距离矩阵）？

我本质上想使用seaborn 作为后端来计算我的树状图并将其添加到我的热图上。这可能吗？如果没有，这是否可以成为未来的功能。

也许我可以调整一些参数，以便它可以采用距离矩阵而不是矩形矩阵？

用法如下：

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)

我不认为我的方法在下面是正确的，因为我给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。没有关于如何将相关/距离矩阵与clustermap 一起使用的示例，但有https://stanford.edu/~mwaskom/software/seaborn/examples/network_correlations.html 的示例，但排序不与普通的sns.heatmap 函数一起使用。

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，未传递链接），链接是在内部根据距离矩阵中的行和列的成对距离计算的（有关完整详细信息，请参见下面的注释），而不是使用距离矩阵的元素直接（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 传递给clustermap()，则行链接是通过将每一行视为一个“点”（观察值）并计算点之间的成对距离在内部确定的。所以行树状图反映了行的相似性。与col_linkage 类似，其中每一列都被视为一个点。这个解释可能应该添加到docs。这里修改了文档的第一个示例以明确内部链接计算：

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