Python seaborn绘制聚类热图如何按列值最高频次重排列

我尝试对如下.csv格式的数据进行可视化：

Q1,Q2,Q3,Q4,Q5,Q6,Q7,Q8,Q9,Q10,Q11,Q12,Q13,Q14,Q15,Q16,Q17,Q18,Q19,Q20
4,4,2,2,4,2,3,5,3,4,2,5,2,1,4,4,2,1,5,2
2,2,4,4,4,2,2,2,4,4,2,4,2,2,3,2,2,4,5,2
4,5,4,1,4,2,2,4,4,3,2,2,2,1,2,4,4,2,5,4
3,4,2,4,4,2,2,2,4,3,2,4,4,3,3,4,2,4,5,1
4,4,3,2,4,3,4,5,4,3,1,5,3,2,4,2,2,3,4,2
4,5,2,3,5,1,3,4,3,3,1,2,4,4,5,4,1,4,5,4
5,5,5,2,4,3,2,4,4,2,2,4,4,2,4,2,2,4,4,5
4,4,3,1,5,3,2,4,2,2,1,4,4,2,4,1,2,5,5,3
1,3,5,2,4,4,3,1,4,4,2,3,1,4,3,4,3,3,4,1
3,3,5,2,4,2,4,4,3,4,1,5,4,2,1,2,2,4,5,2

当前使用的实现代码如下：

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt
         
df =  pd.read_csv('data.csv') 

map = sns.clustermap(df, annot=True, linewidths=2, linecolor='yellow', metric="correlation", method="single")

plt.show()

运行上述代码可得到默认聚类排序的热图。现需要对热图列进行重排，排序规则为按列方向上各响应值的出现频次排序：计算每列中出现频次最高的数值的频次，按该频次降序排列所有列。例如Q5列中数值4共出现8次，为所有列最高，应排在第一列；Q17、Q19列的最高值出现频次为7次，排在第二、第三位（二者相对顺序无要求）。

seaborn.clustermap默认会同时对行、列做层次聚类并自动重排顺序，要实现自定义列排序，只需要两步：

1. 提前按规则计算列顺序，重排DataFrame
2. 传入col_cluster=False参数关闭列方向的自动聚类，避免自定义的列顺序被覆盖，行方向的聚类效果可以完全保留。

完整可运行代码如下：

import seaborn as sns
import pandas as pd
import matplotlib.pyplot as plt

df = pd.read_csv('data.csv')

# 计算每列中最高频值的出现次数，按频次降序生成新的列顺序
col_max_count = df.apply(lambda col: col.value_counts().max(), axis=0)
sorted_columns = col_max_count.sort_values(ascending=False).index
df_sorted_col = df[sorted_columns]

# 绘图时关闭列聚类，使用排好序的数据集
res = sns.clustermap(
    df_sorted_col,
    annot=True,
    linewidths=2,
    linecolor='yellow',
    metric="correlation",
    method="single",
    col_cluster=False
)

plt.show()

运行后可以验证列顺序：Q5列（最高频值出现8次）排在最左侧，Q17、Q19（最高频值出现7次）紧随其后，完全符合排序规则。如果不需要保留行的聚类效果，也可以额外加row_cluster=False参数关闭行聚类。

内容的提问来源于stack exchange，提问作者Monika