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
。
欢迎加入QQ群-->： 979659372
