Seaborn绘制热图|基因热图|生物信息|Seaborn更改颜色|Seaborn配色|Seaborn上下限值修改

Seaborn绘制热图|基因热图|生物信息|Seaborn更改颜色|Seaborn配色|Seaborn上下限值修改

简洁版绘图

有了数据可以直接绘图

#导入需要用到的相关包
import seaborn as sns
import pandas as pd
import matplotlib
from sklearn.preprocessing import StandardScaler	#这两个包用于Z-score数据以及将数据缩放到[-1,1]的范围，不需要可以不用
from sklearn.preprocessing import MinMaxScaler
matplotlib.use('TkAgg')	#这个好像是因为我有个什么报错加的，如果没报错可以删掉

data = pd.read_csv('./normal_tumor.csv',index_col = 0)	#将这里替换成你自己需要绘图的数据

ax = sns.heatmap(data_std) #我一般是将断点设置在这一句，然后再debug框中输入这句代码进行图片的绘制和查看

经过数据处理再绘图

经过z-score或者缩放再绘图

#像上面一样导入需要用到的相关包

data = pd.read_csv('./normal_tumor.csv',index_col = 0)	#将这里替换成你自己需要绘图的数据
data = data.iloc[:,58:158]	#我的数据取一部分数据进行绘图更明显，家人们的可以用所有数据进行绘图

#将数据进行z-score变化
data = data.transpose()
scaler = StandardScaler()
data_std = pd.DataFrame(scaler.fit_transform(data),columns=data.columns,index=data.index)
data_std = data_std.transpose()

#也可以将数据进行缩放[-1,1]变化
# scaler = MinMaxScaler(feature_range=(-1, 1))
# data_scaled = pd.DataFrame(scaler.fit_transform(data_std), columns=data_std.columns, index=data_std.index)

#绘图
ax = sns.heatmap(data_std)

Seaborn颜色配置

ax = sns.heatmap(data_std,cmap = 'PuBu')	#可以通过绘图中更换cmap参数进行颜色的选择

cmap颜色分类可以查看这个博主的整理，非常漂亮全面: 点击链接跳转

Seaborn上下限值修改

sns.heatmap(data=data_std,vmin=0,vmax=6)	#将vmin和vmax改成自己想要的最大值最小值即可