主要观点总结
文章展示了使用Python的seaborn库进行基因相关性热图的绘制，并展示了不同配色方案的效果。文章主要介绍了如何使用sns.clustermap函数，并通过调整参数设置字体、图大小、注释格式以及颜色映射等，展示了绿色系、蓝色系、紫色系、混色系1和混色系2等不同配色方案的热图效果。
关键观点总结
关键观点1: 文章介绍了Python的seaborn库在基因相关性热图绘制中的应用。
文章详细展示了如何使用sns.clustermap函数进行热图绘制，包括设置字体、图大小、注释格式等参数。
关键观点2: 文章展示了不同配色方案的效果。
文章通过调整颜色映射参数，展示了绿色系、蓝色系、紫色系、混色系1和混色系2等不同配色方案的热图效果。
关键观点3: 文章提到了加速Python for循环和Python可视化工具的内容。
文章在推荐阅读部分提到了其他相关的主题，如加速Python for循环的方法以及Python的可视化工具。
文章预览
分享几款配色，搬走搬走，求个三连～～～ 小编自调色系 sns.set(rc={ "font.family" : "Songti SC" }) g = sns.clustermap( data=gene.corr(), dendrogram_ratio=( 0.1 , 0.1 ), figsize=( 7 , 7 ), annot= True , fmt= ".2f" , cmap=sns.diverging_palette( 255 , 5 , as_cmap= True ), ) g.ax_heatmap.set_xticklabels(g.ax_heatmap.get_xticklabels(), rotation= 90 ) g.ax_heatmap.set_yticklabels(g.ax_heatmap.get_yticklabels(), rotation= 0 ) plt.show() 绿色系 sns.set(rc={ "font.family" : "Songti SC" }) g = sns.clustermap( data=gene.corr(), dendrogram_ratio=( 0.1 , 0.1 ), figsize=( 7 , 7 ), annot= True , fmt= ".2f" , cmap= "Greens" , #绿色系 ) g.ax_heatmap.set_xticklabels(g.ax_heatmap.get_xticklabels(), rotation= 90 ) g.ax_heatmap.set_yticklabels(g.ax_heatmap.get_yticklabels(), rotation= 0 ) plt.show() 蓝色系 sns.set(rc={ "font.family" : "Songti SC" }) g
………………………………
