如何用Python Seaborn创建含标准化特征与t检验值的组合热力图

你需要将z-score标准化的特征热力图与t检验值、p值的热力图合并为一个相连的单图，核心是调整布局的宽度比例，让两个热力图的单元格对齐，同时统一坐标轴显示，具体修改如下：

关键调整点 #

• 调整gridspec的width_ratios，匹配两部分的列数（特征列3列，t/p列2列），确保两个热力图的单元格宽度一致，视觉上紧密相连
• 隐藏第二个热力图的y轴标签和刻度，因为两行数据是对应的，避免重复显示
• 统一整体标题，去掉子图各自的标题，让图表更连贯
• 确保色条与对应热力图的配色匹配，位置合理

修改后的完整代码 #

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib import gridspec

# 示例DataFrame
data = {
    'Feature1': np.random.randn(10),
    'Feature2': np.random.randn(10),
    'Feature3': np.random.randn(10),
    't test': np.random.randn(10),
    'p value': np.random.rand(10)
}

df = pd.DataFrame(data)

# 提取特征列并做z-score标准化
df_features_zscore = (df.iloc[:, :-2] - df.iloc[:, :-2].mean()) / df.iloc[:, :-2].std()
# 提取t检验和p值列
df_stats = df[['t test', 'p value']]

# 设置布局：1行4列，宽度比例对应特征列数、统计列数、两个色条宽度
fig = plt.figure(figsize=(12, 8))
gs = gridspec.GridSpec(1, 4, width_ratios=[3, 2, 0.05, 0.05])

# 绘制特征热力图
ax1 = plt.subplot(gs[0])
sns.heatmap(df_features_zscore, cmap='coolwarm', annot=True, cbar=False, ax=ax1)
ax1.set_title('')  # 去掉子图标题
ax1.set_ylabel('样本索引')
ax1.set_xlabel('标准化特征')

# 绘制统计量热力图
ax2 = plt.subplot(gs[1])
sns.heatmap(df_stats, cmap='viridis', annot=True, fmt=".4f", cbar=False, ax=ax2)
ax2.set_title('')  # 去掉子图标题
ax2.set_ylabel('')  # 隐藏y轴标签
ax2.set_yticks([])  # 隐藏y轴刻度
ax2.set_xlabel('统计量')

# 添加特征热力图的色条
cbar_ax1 = plt.subplot(gs[2])
cbar1 = plt.colorbar(ax1.collections[0], cax=cbar_ax1, orientation='vertical')
cbar1.set_label('Z-score')

# 添加统计量热力图的色条
cbar_ax2 = plt.subplot(gs[3])
cbar2 = plt.colorbar(ax2.collections[0], cax=cbar_ax2, orientation='vertical')
cbar2.set_label('统计量值')

# 添加整体标题
fig.suptitle('特征标准化值与统计量组合热力图', y=1.02, fontsize=14)

plt.tight_layout()
plt.show()

效果说明 #

修改后两个热力图会紧密连接，单元格宽度一致，视觉上是一个完整的组合图；y轴只在左侧显示一次，避免冗余；两个色条分别对应各自区域的配色，清晰区分不同数据的含义。

内容的提问来源于stack exchange，提问作者Umar