如何绘制带分类色条的系统树图，复刻seaborn.clustermap树图效果且不含热图

完整实现代码 #

import seaborn as sns
import matplotlib.pyplot as plt
from scipy.cluster.hierarchy import linkage, dendrogram
from mpl_toolkits.axes_grid1 import make_axes_locatable
import matplotlib.patches as mpatches

# 准备数据
sns.set_theme(color_codes=True)
iris = sns.load_dataset("iris")
species = iris.pop("species")
lut = dict(zip(species.unique(), ["r", "b", "g"]))
row_colors = species.map(lut).tolist()

# 聚类计算
Z = linkage(iris, method='average', metric='euclidean')

# 绘图
with plt.rc_context({'lines.linewidth': 0.5}):
    fig, ax = plt.subplots(figsize=(3, 6))
    ax.axis('off')
    # 绘制树状图，获取聚类后叶节点的排序
    dd = dendrogram(Z, 
                    ax=ax,
                    truncate_mode=None,
                    leaf_rotation=0, 
                    color_threshold=0,
                    above_threshold_color='black',
                    no_labels=True,
                    orientation='left')
    
    # 按照聚类后的顺序重排分类颜色
    sorted_row_colors = [row_colors[i] for i in dd['leaves']]
    sample_count = len(sorted_row_colors)
    
    # 创建右侧分类色条的轴
    divider = make_axes_locatable(ax)
    color_ax = divider.append_axes('right', size='5%', pad=0.05)
    color_ax.axis('off')
    
    # 逐个绘制分类色块，和树的叶节点一一对应
    for idx, color in enumerate(sorted_row_colors):
        color_ax.add_patch(mpatches.Rectangle((0, idx), 1, 1, color=color))
    # 调整色条轴范围刚好容纳所有色块
    color_ax.set_xlim(0, 1)
    color_ax.set_ylim(0, sample_count)
    
    # 生成分类图例
    legend_items = [mpatches.Patch(color=color, label=label) for label, color in lut.items()]
    ax.legend(handles=legend_items, bbox_to_anchor=(1.5, 1), loc='upper left', frameon=False)
    
    plt.show()

问题解决说明 #

• 分类色条映射问题：你之前调用colorbar的方案不适用，colorbar是为连续数值色阶设计的，无法匹配离散分类场景。我们通过dendrogram返回的leaves字段拿到聚类后的样本排序，将分类颜色按该顺序重排后手动绘制对应色块，即可保证色条和树图的位置完全对应，和seaborn.clustermap的row_colors效果一致。
• 分类图例生成问题：用matplotlib.patches.Patch为每个分类创建带对应颜色的图例块，绑定分类标签后传入legend方法即可生成自定义分类图例，调整bbox_to_anchor参数可控制图例位置避免遮挡。

内容的提问来源于stack exchange，提问作者skurp