用于创建热图的工具,其中的行和列按层次群集组织,如http://code.activestate.com/recipes/578175-hierarchical-clustering-heatmap-python所示/
pydendroheatmap的Python项目详细描述
#pydendroheatmap-一个绘制工具,用于在python中用分层聚集的数据制作热图。
pydendroheatmap注册为pypi上的一个包,因此要安装,只需键入
`` bash
pip install pydendroheatmap
````
要从源安装包,请下载存储库,解包并在解包目录中打开命令行提示符。然后只需键入:
``bash
python setup.py install
```
即可绘制绘图,只需导入包,然后创建一个dendroheatmap对象。创建时无需指定热图和
树状图的数据,但是,如果未提供数据,则不会呈现这些对象的绘图。请参阅下面的示例使用。
heat map的数据应为numpy.ndarray或numpy.matrix对象,并且左上方的树状图
数据应该是scipy层次聚类包中使用的(n-1)x 4链接矩阵的形式。
``python
import pydendroheatmap as pdh
尝试:import cpickle as pickle
除了:import pickle
heatmap_array=pickle.load(open('some_data_file.pickle')一个numpy.ndarray或以numpy.matrix为例,我们假设m x n array
top-trendgram=pickle.load(open('another'u data cufile.pickle')a(n-1)x 4 array
side-trendgram=pickle.load(open('a第三方数据cudata cudata cufile.pickle')a(m-1)x 4 array
heat map=pdh.dendroheatmap(heatgram-1)x 4 array(m-1)x 4 array
heatmap=pdh.dendroheatmap(heatgram-trendgram=heatmap=he树状图,顶树状图=顶树状图)
heat map.title='这是一个例子'
heatmap.show()
heatmap.colormamap=heatmap.yellowblackblue
heatmap.show()
heatmap.row标签=['some','row','labels']'''''''''''''''''''''''''''''>
heatmap.reset/>heatmap.reset'''map.reset'''''''''''''>>heatmap.show/>太好了,让我们导出它
heatmap.export('awesome_heatmap_plot.png')
```
>若要查看内置示例,请在python解释器中运行以下命令:
``python
[示例图像](https://github.com/themantalope/pydendroheatmap/blob/master/pydendroheatmap/exampledata/example.png)
dendroheatmap对象的“render_plot()”函数将生成一个热图,类似于这里的方法:
http://code.activestate.com/recipes/578175分层群集heatmap python/
每次调用DendroHeatMap对象的“show()”、“export()”和“render_plot()”函数时,
绘图将被重置,对绘图实例变量所做的任何更改都应在新的绘图中考虑到
。
pydendroheatmap注册为pypi上的一个包,因此要安装,只需键入
`` bash
pip install pydendroheatmap
````
要从源安装包,请下载存储库,解包并在解包目录中打开命令行提示符。然后只需键入:
``bash
python setup.py install
```
即可绘制绘图,只需导入包,然后创建一个dendroheatmap对象。创建时无需指定热图和
树状图的数据,但是,如果未提供数据,则不会呈现这些对象的绘图。请参阅下面的示例使用。
heat map的数据应为numpy.ndarray或numpy.matrix对象,并且左上方的树状图
数据应该是scipy层次聚类包中使用的(n-1)x 4链接矩阵的形式。
``python
import pydendroheatmap as pdh
尝试:import cpickle as pickle
除了:import pickle
heatmap_array=pickle.load(open('some_data_file.pickle')一个numpy.ndarray或以numpy.matrix为例,我们假设m x n array
top-trendgram=pickle.load(open('another'u data cufile.pickle')a(n-1)x 4 array
side-trendgram=pickle.load(open('a第三方数据cudata cudata cufile.pickle')a(m-1)x 4 array
heat map=pdh.dendroheatmap(heatgram-1)x 4 array(m-1)x 4 array
heatmap=pdh.dendroheatmap(heatgram-trendgram=heatmap=he树状图,顶树状图=顶树状图)
heat map.title='这是一个例子'
heatmap.show()
heatmap.colormamap=heatmap.yellowblackblue
heatmap.show()
heatmap.row标签=['some','row','labels']'''''''''''''''''''''''''''''>
heatmap.reset/>heatmap.reset'''map.reset'''''''''''''>>heatmap.show/>太好了,让我们导出它
heatmap.export('awesome_heatmap_plot.png')
```
>若要查看内置示例,请在python解释器中运行以下命令:
``python
[示例图像](https://github.com/themantalope/pydendroheatmap/blob/master/pydendroheatmap/exampledata/example.png)
dendroheatmap对象的“render_plot()”函数将生成一个热图,类似于这里的方法:
http://code.activestate.com/recipes/578175分层群集heatmap python/
每次调用DendroHeatMap对象的“show()”、“export()”和“render_plot()”函数时,
绘图将被重置,对绘图实例变量所做的任何更改都应在新的绘图中考虑到
。