如何使用热图在matplotlib中制作方形子图？

Question

我正在尝试使用一个子图中的树状图和另一个子图中的热图制作一个简单的子图，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。我想把它挂在阴影之外，然后使树形盒和热图盒都是方形的并且彼此对齐（即相同的尺寸）。

根据文档建议，我在调用aspect='equal'时尝试使用subplot来获取方轴，但这会破坏情节，给出这个......

如果我尝试在每个子图而不是plt.axis('equal')之后使用aspect='equal'，它会奇怪地对热图而不是其边界框（见下文），同时完全破坏树形图并且还会弄乱对齐xtick标签.... - 引起这个混乱：

如何解决这个问题？总结一下，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，右边是颜色条。没什么特别的。

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正方形。

Answer 1

方面=＆＃34;等于＆＃34;意味着数据空间中相同的长度在屏幕空间中的长度是相同的，但在您的上斧中，x轴和y轴的数据范围不同，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：

要定位我们需要编写ColorBarLocator类的colorbar，pad和width参数是以像素为单位，

• pad ：设置轴之间的空间及其colobar
• 宽度：颜色栏的宽度

使用以下代码替换plt.colorbar()：

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()

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))