基于Python Plotly构建仅含左侧树状图的聚类热图技术实现问询

嘿，我完全get到你的需求了——想要用Python的Plotly做一个只有左侧带Y轴层次聚类树状图的热图，还要能适配120行这种大规模数据，而且不想用R或者JS的方案对吧？刚好我有现成的实现，用你给的测试数据就能跑起来：

import numpy as np
from scipy.cluster.hierarchy import linkage, dendrogram
import plotly.subplots as sp
import plotly.graph_objects as go

# 生成测试数据（固定随机种子方便复现）
np.random.seed(42)
X = np.random.randint(0, 10, size=(120, 10))

# 对行（Y轴样本）执行层次聚类
# 用ward方法最小化聚类内方差，适合大规模数据的聚类稳定性
row_linkage = linkage(X, method='ward')
# 获取树状图的坐标数据，不生成默认的matplotlib图
row_dendro = dendrogram(row_linkage, no_plot=True)

# 提取聚类后的行索引顺序，用来重排热图数据
row_order = row_dendro['leaves']
X_clustered = X[row_order, :]

# 创建子图：1行2列，树状图占比15%宽度，热图占85%
fig = sp.make_subplots(
    rows=1, cols=2,
    column_widths=[0.15, 0.85],
    horizontal_spacing=0.01,  # 缩小间距让两个图视觉上无缝衔接
    shared_yaxes=True  # 共享Y轴保证树状图和热图完全对齐
)

# 绘制左侧树状图
# 从dendrogram结果中提取树的线条坐标
icoord = row_dendro['icoord']
dcoord = row_dendro['dcoord']

# 遍历每一段树线，添加到子图中
for xs, ys in zip(icoord, dcoord):
    fig.add_trace(
        go.Scatter(
            x=ys, y=[xs[0], xs[1], xs[2], xs[3]],
            mode='lines',
            line=dict(color='gray', width=1),
            showlegend=False
        ),
        row=1, col=1
    )

# 调整树状图的轴样式：隐藏X轴，反转Y轴和热图对齐
fig.update_xaxes(visible=False, row=1, col=1)
fig.update_yaxes(autorange='reversed', row=1, col=1)

# 绘制右侧聚类后的热图
fig.add_trace(
    go.Heatmap(
        z=X_clustered,
        x=[f"Feature {i+1}" for i in range(X.shape[1])],
        y=[f"Sample {i+1}" for i in row_order],
        colorscale='Viridis'
    ),
    row=1, col=2
)

# 整体布局优化，适配120行数据的展示
fig.update_layout(
    title="仅左侧带树状图的聚类热图",
    height=800,  # 调高画布高度，避免样本标签重叠
    width=1000,
    margin=dict(l=50, r=50, t=50, b=50)
)

# 展示图表
fig.show()

关键细节说明： #

• 聚类处理：用scipy的linkage做层次聚类，ward方法对大规模数据的聚类结果更稳定；dendrogram(no_plot=True)直接获取树状图的坐标数据，避免生成matplotlib的默认图。
• 子图对齐：设置shared_yaxes=True和极小的horizontal_spacing，让树状图和热图的Y轴完全重合，视觉上像一个整体。
• 轴适配：反转树状图的Y轴，因为Plotly热图的Y轴默认是从下到上排列，和树状图的原始坐标方向相反，反转后才能完美对齐。
• 大规模数据适配：通过调整画布高度（height=800）避免120行的样本标签重叠，同时树状图的线条用细灰色，不会占用过多视觉资源。

内容的提问来源于stack exchange，提问作者Petar