绘制分类热图保持(x,y)值颜色

Question

我一直在使用python,pandas和seaborn来获得具有不同colormaps/columns的热图.感谢这个问题,我做了以下事情:

示例Dataframe(sample.csv):

X,a,b,c
A,0.5,0.7,0.4
B,0.9,0.3,0.8
C,0.3,0.4,0.7

使用Seaborn绘制热图

import pandas as pd
import matplotlib as mpl
# Set new Backend to Use Seaborn
# mpl.use('Agg')
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import colorsys

# Working example data:
df = pd.DataFrame([[0.5,0.7,0.4],[.9,.3,.8],[.3,.4,.7]],['A','B','C'])    

# Get Color List
N = 3
COL = [colorsys.hsv_to_rgb(x*1.0/N, 0.7, 0.5) for x in range(N)]

with sns.axes_style('white'):

    for i, name in enumerate(df.columns):

        # Create cmap
        colors = COL[i]
        cmap = sns.light_palette(colors, input='rgb', reverse=False, as_cmap=True)

        sns.heatmap(df.mask(df.isin(df[name])!=1),
                    cbar=False,
                    square=True,
                    annot=False,
                    cmap=cmap,
                    linewidths=0.1)
plt.show()

这会产生一个带有不同colormaps/column的热图(这些值只是为了澄清问题):

现在我想使用排序的数据框生成相同的图,如:

X,col1,col2,col3
A,0.7,0.5,0.4
B,0.9,0.8,0.3
C,0.7,0.4,0.3

试图保持对(索引,列)原来的颜色,像下面的预期输出草案(值表示,我需要的是只有颜色):

编辑:

修正了一些拼写错误,现在df是表示工作矩阵的数据帧.

Answer 1

您可以遍历该数组并获取与每个值对应的颜色并将它们存储在 NxMx3（图像）数组中。然后以相同的方式对数组和图像进行排序，例如从原始数组中获取排序索引并将它们应用于图像数组。然后你可以显示图像，plt.imshow 然后可以添加 matplotlib 标签、刻度线等。

这可能看起来像这样：您应该首先创建一个 NxMx3 数组来存储颜色。

im = np.zeros((df.shape[0], df.shape[1], 3))

然后，您可以迭代每一列并将值从 0 缩放到 255，例如

color_index = (value-min(column))/(max(column)-min(column)*255

那么你可以使用

color = cmap(color_index)

im[col_index, row_index, :] = color

当您迭代每一列时，所有颜色都存储在im

结果代码将是：

import pandas as pd
import matplotlib as mpl
# Set new Backend to Use Seaborn
# mpl.use('Agg')
import seaborn as sns
import matplotlib.pyplot as plt
import matplotlib.cm as cm
import colorsys
import numpy as np

# Working example data:
df = pd.DataFrame([[0.5,0.7,0.4],[.9,.3,.8],[.3,.4,.7]],['A','B','C'])    

# Get Color List
N = 3
COL = [colorsys.hsv_to_rgb(x*1.0/N, 0.7, 0.5) for x in range(N)]

im = np.zeros((df.shape[0], df.shape[1], 4))

with sns.axes_style('white'):

    for i, name in enumerate(df.columns):

        # Create cmap
        colors = COL[i]
        cmap = sns.light_palette(colors, input='rgb', reverse=False, as_cmap=True)
        values = np.array(df[name])
        color_indices = (values-np.min(values))/(np.max(values)-np.min(values))
        im[:,i,:] = cmap(color_indices)

im2 = im.copy()
for i, name in enumerate(df.T.columns):
    values = np.array(df.T[name])
    print(values)
    sorting = np.argsort(values)
    print("sorting", sorting)
    im2[i, ::-1, :] = im[i, sorting, :]
plt.imshow(im2, interpolation="nearest")
plt.grid(False)
plt.show()