如何使用热图在matplotlib中制作方形子图？

Question

我试图在一个子图中创建一个简单的子图,在另一个子图中使用热图,同时保持方轴.我尝试以下方法:

from scipy.cluster.hierarchy import linkage
from scipy.cluster.hierarchy import dendrogram
from scipy.spatial.distance import pdist

fig = plt.figure(figsize=(7,7))
plt.subplot(2, 1, 1)
cm = matplotlib.cm.Blues
X = np.random.random([5,5])
pmat = pdist(X, "euclidean")
linkmat = linkage(pmat)
dendrogram(linkmat)
plt.subplot(2, 1, 2)
labels = ["a", "b", "c", "d", "e", "f"]
Y = np.random.random([6,6])
plt.xticks(arange(0.5, 7.5, 1))
plt.gca().set_xticklabels(labels)
plt.pcolor(Y)
plt.colorbar()

这产生以下结果:

但问题是轴不是方形,而颜色条被认为是第二个子图的一部分.我喜欢它而不是悬挂在绘图之外,并使其成为树形图框和热图框都是方形的并且彼此对齐(即相同的尺寸).

我试图aspect='equal'在调用时使用方形轴subplot作为文档建议,但这破坏了情节,给出了......

如果我尝试plt.axis('equal')在每个子图之后使用而不是aspect='equal',它奇怪地将热图而不是它的边界框(见下文),同时完全破坏树形图并且还弄乱了xtick标签的对齐.... - 产生这个乱:

怎么能修好？总而言之,我试图绘制一些非常简单的东西:顶部子图中的方形树状图和底部子图中的方形热图,右侧是颜色条.没有什么花哨.

最后,更一般的问题:是否有一般规则/原则要强制matplotlib 始终使轴方正？我想不出一个我不想要方轴的情况,但它通常不是默认行为.如果可能的话,我想强制所有的阴谋都是方形的.

Answer 1

aspect ="equal"表示数据空间中相同的长度在屏幕空间中的长度相同,但在您的上斧中,xaxis和yaxis的数据范围不同,因此它不是正方形.要解决此问题,您可以将方面设置为x轴范围和y轴范围的比率:

from scipy.cluster.hierarchy import linkage
from scipy.cluster.hierarchy import dendrogram
from scipy.spatial.distance import pdist
import matplotlib
from matplotlib import pyplot as plt
import numpy as np
from numpy import arange

fig = plt.figure(figsize=(5,7))
ax1 = plt.subplot(2, 1, 1)
cm = matplotlib.cm.Blues
X = np.random.random([5,5])
pmat = pdist(X, "euclidean")
linkmat = linkage(pmat)
dendrogram(linkmat)
x0,x1 = ax1.get_xlim()
y0,y1 = ax1.get_ylim()
ax1.set_aspect((x1-x0)/(y1-y0))
plt.subplot(2, 1, 2, aspect=1)
labels = ["a", "b", "c", "d", "e", "f"]
Y = np.random.random([6,6])
plt.xticks(arange(0.5, 7.5, 1))
plt.gca().set_xticklabels(labels)
plt.pcolor(Y)
plt.colorbar()

这是输出:

要定位颜色条,我们需要编写ColorBarLocator类,pad和width参数以像素为单位,

• pad:设置轴之间的空间,它是colobar
• width:颜色条的宽度

替换plt.colorbar()为以下代码:

class ColorBarLocator(object):
    def __init__(self, pax, pad=5, width=10):
        self.pax = pax
        self.pad = pad
        self.width = width

    def __call__(self, ax, renderer):
        x, y, w, h = self.pax.get_position().bounds
        fig = self.pax.get_figure()
        inv_trans = fig.transFigure.inverted()
        pad, _ = inv_trans.transform([self.pad, 0])
        width, _ = inv_trans.transform([self.width, 0])
        return [x+w+pad, y, width, h]

cax = fig.add_axes([0,0,0,0], axes_locator=ColorBarLocator(ax2))
plt.colorbar(cax = cax)

Answer 2

@ HYRY的答案非常好,值得所有的信任.但是为了完成关于平方图的排列的答案很好,你可以欺骗matplotlib认为两个图都有颜色条,只是让第一个看不见:

from scipy.cluster.hierarchy import linkage
from scipy.cluster.hierarchy import dendrogram
from scipy.spatial.distance import pdist
import matplotlib
from matplotlib import pyplot as plt
import numpy as np
from numpy import arange

fig = plt.figure(figsize=(5,7))
ax1 = plt.subplot(2, 1, 1)
cm = matplotlib.cm.Blues
X = np.random.random([5,5])
pmat = pdist(X, "euclidean")
linkmat = linkage(pmat)
dendrogram(linkmat)
x0,x1 = ax1.get_xlim()
y0,y1 = ax1.get_ylim()
ax1.set_aspect((x1-x0)/(y1-y0))

plt.subplot(2, 1, 2, aspect=1)
labels = ["a", "b", "c", "d", "e", "f"]
Y = np.random.random([6,6])
plt.xticks(arange(0.5, 7.5, 1))
plt.gca().set_xticklabels(labels)
plt.pcolor(Y)
plt.colorbar()

# add a colorbar to the first plot and immediately make it invisible
cb = plt.colorbar(ax=ax1)
cb.ax.set_visible(False)

plt.show()