如何在Python中为不同数值范围数据集生成带独立刻度的聚类热力图？

嘿，这个问题太典型了——当两个数据集尺度差得这么多的时候，直接丢进clustermap聚类，结果肯定会被1000-5000那组数据完全主导，0-1的特征根本发挥不了作用。我给你一套可行的方案，既能保证聚类的公平性，又能画出带独立刻度的合并热力图：

聚类算法是基于距离计算的，大数值的特征会把小数值的特征的影响完全掩盖。所以咱得先把两个数据集放到同一尺度下，再进行行聚类。常用的方法有两种：

• Z-score标准化：把每个特征转换成均值为0、方差为1的分布，适合大部分聚类场景
• Min-Max缩放：把所有特征缩到0-1范围，适合对数值范围敏感的情况

这里我用Z-score举例子，用sklearn的StandardScaler就能搞定：

import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
import numpy as np
from sklearn.preprocessing import StandardScaler
from scipy.cluster.hierarchy import linkage, leaves_list

# 先构造两个示例数据集（你替换成自己的真实数据就行）
df_small = pd.DataFrame(np.random.uniform(0, 1, (15, 6)), columns=[f'S_{i}' for i in range(6)])
df_large = pd.DataFrame(np.random.uniform(1000, 5000, (15, 6)), columns=[f'L_{i}' for i in range(6)])

# 合并成一个完整的DataFrame（行是样本，列是两个数据集的特征）
combined_df = pd.concat([df_small, df_large], axis=1)

# 标准化所有特征，让两个数据集在同一尺度下参与聚类
scaler = StandardScaler()
scaled_data = scaler.fit_transform(combined_df)

用标准化后的数据计算层次聚类，得到样本的聚类顺序，这样后面画热力图的时候就能按聚类结果排列行：

# 计算行的层次聚类链接（用ward方法最小化类内方差，效果比较好）
row_linkage = linkage(scaled_data, method='ward')
# 获取聚类后的行索引顺序
row_order = leaves_list(row_linkage)
# 把原始数据按聚类顺序重新排列
ordered_df = combined_df.iloc[row_order, :]

Seaborn的clustermap默认只能用一个颜色刻度，所以咱用matplotlib的子图来实现双刻度效果，两个子图共享y轴，各自用对应的颜色条：

# 创建画布和子图，设置宽度比例，给颜色条留位置
fig, (ax_small, ax_large, cbar_small, cbar_large) = plt.subplots(1, 4, figsize=(14, 9),
                                                                gridspec_kw={'width_ratios': [6, 6, 0.3, 0.3]})

# 绘制第一个数据集（0-1范围）的热力图
sns.heatmap(ordered_df.iloc[:, :6], ax=ax_small, cmap='viridis', cbar=False,
            yticklabels=ordered_df.index, xticklabels=df_small.columns)
ax_small.set_title('Dataset 1 (0-1 Range)')
ax_small.set_ylabel('Samples')

# 绘制第二个数据集（1000-5000范围）的热力图，隐藏y轴标签（因为和左边共享）
sns.heatmap(ordered_df.iloc[:, 6:], ax=ax_large, cmap='plasma', cbar=False,
            yticklabels=False, xticklabels=df_large.columns)
ax_large.set_title('Dataset 2 (1000-5000 Range)')

# 给两个热力图分别添加独立的颜色条
sns.colorbar(ax_small.collections[0], cax=cbar_small)
sns.colorbar(ax_large.collections[0], cax=cbar_large)

plt.tight_layout()
plt.show()

• 聚类用标准化后的数据：保证两个数据集的特征对聚类结果的贡献是公平的，不会被大数值碾压
• 可视化用原始数据：保留了每个数据集的真实数值范围，独立的颜色条能清晰展示各自的分布差异
• 共享y轴：两个热力图的行顺序完全一致，方便对比同一聚类组在两个数据集里的表现

如果你更喜欢用Seaborn的clustermap框架，也可以先跑一次clustermap得到聚类后的行顺序，再按上面的方法拆分绘制，效果是一样的。

内容的提问来源于stack exchange，提问作者MEhsan