Python中关于热图的教程指南
介绍
热图可以用作传达定量数据的信息图。它们可以以易于阅读的格式传达数据，提供简明的数据摘要。
Python具有许多工具来便于生成出版质量的热图。这些工具包括Seaborn和Matplotlib库，以及subplot2grid库，它们可以提供一种方便的方式来组织热图中的数据。
在本教程中，我将详细介绍生成一个重点关注关键元素存在性/缺失性的热图所需的步骤。为此，我将使用一个包含关于一系列细菌分离物的虚构数据的CSV文件。这些细菌菌株具有多个特征，包括抗生素耐药基因、毒力基因和特定的胶囊类型。热图将允许快速检查和比较各个菌株之间的差异。
虽然所使用的示例关注细菌菌株，但所应用的技术可以更广泛地用于其他数据集，以帮助您使用热图可视化数据。在以下教程中，所有图片由作者提供。
目标
创建一个显示虚构细菌菌株关键基因存在性/缺失性的出版质量热图。
本教程将使用以下csv文件，’Bacterial_strain_heatmap_tutorial_data.csv’，可从Github存储库中获取。
入门
首先，需要导入一些模块来读取数据并在稍后对图形进行样式化。我们将从包括所有导入语句的地方开始。
import pandas as pd import numpy as npimport matplotlib.pyplot as plt from matplotlib.colors import ListedColormapimport seaborn as sns from matplotlib.patches import Patchfrom matplotlib.lines import Line2Dfrom matplotlib.patches import Rectangle接下来，我们读取数据帧，使用列’Strain’作为索引，并查看前5行。
df = pd.read_csv('Bacterial_strain_heatmap_tutorial_data.csv').set_index('Strain')…