BioF3 FigCode · SCI 绘图代码集

聚类热图（Clustermap）

导出日期：2026年6月27日

分类：聚类可视化 ｜ 依赖包：seaborn、numpy、pandas、matplotlib

解决的生物学问题

差异基因在各样本间的表达模式是否一致？是否存在共表达模块？

应用场景

输入数据格式

基因 × 样本矩阵 + 样本注释

关键参数

快速开始

1. 直接在线运行

打开 FigCode 在线绘图，点击本工具卡片的"在线绘图"按钮即可用内置示例数据出图，零环境配置。

2. 本地复现

下载脚本和示例数据，本地 RStudio 运行：

# 下载
curl -O https://<your-site>/figcode/scripts/py-heatmap-clustermap.R
curl -O https://<your-site>/figcode/data/py-heatmap-clustermap.csv

3. 安装依赖

# CRAN 包
install.packages(c("seaborn", "numpy", "pandas", "matplotlib"))

# Bioconductor 包（如需）
# BiocManager::install(c())

完整代码

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

# --- Demo data ---
np.random.seed(42)
genes = [f"Gene_{i}" for i in range(30)]
samples = [f"S{i}" for i in range(8)]
data = np.random.randn(30, 8) + 8

# Add group effect
data[:15, :4] += 3   # Group A upregulated
data[15:, 4:] += 3   # Group B upregulated

df = pd.DataFrame(data, index=genes, columns=samples)

# Sample annotation
col_colors = ["#dc2626"]*4 + ["#2563eb"]*4  # Treatment vs Control

# --- Plot ---
g = sns.clustermap(df, z_score=0, cmap="RdBu_r",
                   col_colors=col_colors,
                   figsize=(8, 10),
                   dendrogram_ratio=(0.1, 0.15),
                   cbar_pos=(0.02, 0.8, 0.03, 0.15),
                   method="ward",
                   xticklabels=True, yticklabels=True)
g.ax_heatmap.set_xlabel("")
g.ax_heatmap.set_ylabel("")
g.fig.suptitle("Clustered Heatmap (seaborn)", y=1.02, fontsize=12)
plt.savefig("plot_001.png", dpi=150, bbox_inches="tight")
print("Clustermap done: 30 genes × 8 samples")

替换为自己的数据

脚本中以 # --- Demo data --- 标注的段落是示例数据生成代码。替换为自己的数据时，保持列名一致即可：

延伸阅读