Seaborn clustermap 固定单元格大小

Question

我正在使用seaborn clustermap函数，我想制作多个图，其中像元大小完全相同。轴标签的大小也应该相同。这意味着图形大小和纵横比需要改变，其余部分需要保持不变。

import pandas 
import seaborn
import numpy as np
dataFrameA = pd.DataFrame([ [1,2],[3,4] ])
dataFrameB = pd.DataFrame( np.arange(3*6).reshape(3,-1))

然后决定聚类图本身需要有多大，大致如下：

dpi = 72
cellSizePixels = 150

这决定了 dataFrameA 应该是 300 x 300 像素。我认为这些需要转换为图形的大小单位，即每像素的 cellSizePixels/dpi 单位。因此，对于 dataFrameA，热图大小约为 2.01 英寸。这里我引入一个问题：热图周围有一些东西，也会占用一些空间，而且我不知道这些东西到底会占用多少空间。

我尝试使用上面的公式猜测图像大小来参数化热图函数：

def fixedWidthClusterMap( dpi, cellSizePixels, dataFrame):
    clustermapParams = {
        'square':False # Tried to set this to True before. Don't: the dendograms do not scale well with it.
    }
    figureWidth = (cellSizePixels/dpi)*dataFrame.shape[1]
    figureHeight= (cellSizePixels/dpi)*dataFrame.shape[0]
    return sns.clustermap( dataFrame, figsize=(figureWidth,figureHeight), **clustermapParams)

fixedWidthClusterMap(dpi, cellSizePixels, dataFrameA)
plt.show()
fixedWidthClusterMap(dpi, cellSizePixels, dataFrameB)
plt.show()

这产生：

我的问题：如何获得与我想要的尺寸完全相同的方形单元格？

Answer 1

这有点棘手，因为有很多事情需要考虑，最终，这取决于您需要的尺寸有多“精确”。

查看热图部分的代码，clustermap与用于树状图的轴相比，其比率被设计为 0.8。但我们还需要考虑用于放置轴的边距。如果知道热图轴的大小，则应该能够计算出产生正确形状的所需图形大小。

dpi = matplotlib.rcParams['figure.dpi']
marginWidth = matplotlib.rcParams['figure.subplot.right']-matplotlib.rcParams['figure.subplot.left']
marginHeight = matplotlib.rcParams['figure.subplot.top']-matplotlib.rcParams['figure.subplot.bottom']
Ny,Nx = dataFrame.shape
figWidth = (Nx*cellSizePixels/dpi)/0.8/marginWidth
figHeigh = (Ny*cellSizePixels/dpi)/0.8/marginHeight

不幸的是，似乎 matplotlib 必须在绘图过程中进行一些调整，因为这还不足以获得完美的方形热图单元。因此，我选择调整clustermap事后创建的各个轴的大小，从热图开始，然后是树状图轴。

我认为生成的图像与您想要获得的图像非常接近，但我的测试有时会显示 1-2 像素的一些错误，我将其归因于由于英寸和像素尺寸之间的所有转换而导致的舍入错误。

dataFrameA = pd.DataFrame([ [1,2],[3,4] ])
dataFrameB = pd.DataFrame( np.arange(3*6).reshape(3,-1))

def fixedWidthClusterMap(dataFrame, cellSizePixels=50):
    # Calulate the figure size, this gets us close, but not quite to the right place
    dpi = matplotlib.rcParams['figure.dpi']
    marginWidth = matplotlib.rcParams['figure.subplot.right']-matplotlib.rcParams['figure.subplot.left']
    marginHeight = matplotlib.rcParams['figure.subplot.top']-matplotlib.rcParams['figure.subplot.bottom']
    Ny,Nx = dataFrame.shape
    figWidth = (Nx*cellSizePixels/dpi)/0.8/marginWidth
    figHeigh = (Ny*cellSizePixels/dpi)/0.8/marginHeight

    # do the actual plot
    grid = sns.clustermap(dataFrame, figsize=(figWidth, figHeigh))

    # calculate the size of the heatmap axes
    axWidth = (Nx*cellSizePixels)/(figWidth*dpi)
    axHeight = (Ny*cellSizePixels)/(figHeigh*dpi)

    # resize heatmap
    ax_heatmap_orig_pos = grid.ax_heatmap.get_position()
    grid.ax_heatmap.set_position([ax_heatmap_orig_pos.x0, ax_heatmap_orig_pos.y0, 
                                  axWidth, axHeight])

    # resize dendrograms to match
    ax_row_orig_pos = grid.ax_row_dendrogram.get_position()
    grid.ax_row_dendrogram.set_position([ax_row_orig_pos.x0, ax_row_orig_pos.y0, 
                                         ax_row_orig_pos.width, axHeight])
    ax_col_orig_pos = grid.ax_col_dendrogram.get_position()
    grid.ax_col_dendrogram.set_position([ax_col_orig_pos.x0, ax_heatmap_orig_pos.y0+axHeight,
                                         axWidth, ax_col_orig_pos.height])
    return grid # return ClusterGrid object

grid = fixedWidthClusterMap(dataFrameA, cellSizePixels=75)
plt.show()
grid = fixedWidthClusterMap(dataFrameB, cellSizePixels=75)
plt.show()