如何使用热图在 matplotlib 中制作方形子图？

Question

我正在尝试制作一个简单的子图，其中一个子图中的树状图和另一个子图中的热图，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()

这会产生以下结果：

但问题是轴不是方形的，并且颜色条被认为是第二个子图的一部分。我希望它挂在绘图之外，并使其树状图框和热图框都是方形的并且彼此对齐（即相同大小。）

我尝试在调用subplot 时使用aspect='equal' 来获取方轴，正如文档所建议的那样，但这破坏了情节，给出了这个......

如果我尝试在每个子图之后使用 plt.axis('equal') 而不是 aspect='equal'，它奇怪地平方热图而不是它的边界框（见下文），同时完全破坏树状图并弄乱 xtick 标签的对齐方式.... - 造成这种混乱：

如何解决这个问题？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，底部子图中的方形热图，右侧有颜色条。没什么花哨的。

最后，更一般的问题：是否有一个一般规则/原则可以遵循强制 matplotlib总是使轴成正方形？我想不出一个我不想要方轴的情况，但这通常不是默认行为。如果可能的话，我想强制所有地块都是正方形的。

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，但是在您的顶轴中，xaxis 和 yaxis 的数据范围不一样，所以它不会是正方形。要解决这个问题，您可以将宽高比设置为 x 轴范围和 y 轴范围的比例：

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，我们需要编写一个 ColorBarLocator 类，pad 和 width 参数以像素为单位，

• pad：设置坐标轴和colobar之间的空间
• 宽度：颜色条的宽度

将plt.colorbar()替换为以下代码：

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 的回答非常好，值得称赞。但是要完成关于将平方图很好地排列的答案，您可以欺骗 matplotlib 认为两个图都有颜色条，只使第一个不可见：

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()

Answer 3

要添加到其他答案，您需要将参数的绝对值设为.set_aspect：

x0,x1 = ax1.get_xlim()
y0,y1 = ax1.get_ylim()
ax1.set_aspect(abs(x1-x0)/abs(y1-y0))