# seaborn.clustermap > 譯者：[cancan233](https://github.com/cancan233) ```py seaborn.clustermap(data, pivot_kws=None, method='average', metric='euclidean', z_score=None, standard_scale=None, figsize=None, cbar_kws=None, row_cluster=True, col_cluster=True, row_linkage=None, col_linkage=None, row_colors=None, col_colors=None, mask=None, **kwargs) ``` 將矩陣數據集繪制成分層聚類熱圖。 參數：**data：2D array-like** > 用于聚類的矩形數據，不能包含 NA。 `pivot_kws`：字典，可選。 > 如果數據是整齊的數據框架，可以為 pivot 提供關鍵字參數以創建矩形數據框架。 `method`：字符串，可選。 > 用于計算聚類的鏈接方法。有關更多信息，請參閱文檔 scipy.cluster.hierarchy.linkage [https://docs.scipy.org/doc/scipy/reference/generated/scipy.cluster.hierarchy.linkage.html](https://docs.scipy.org/doc/scipy/reference/generated/scipy.cluster.hierarchy.linkage.html) `metric`：字符串，可選。 > 用于數據的距離度量。有關更多選項，請參閱 scipy.spatial.distance.pdist 文檔。 [https://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.distance.pdist.html](https://docs.scipy.org/doc/scipy/reference/generated/scipy.spatial.distance.pdist.html) 要對行和列使用不同的度量（或方法），您可以子集構造每個鏈接矩陣，并將它們提供為`{row, col}_linkage.` `z_score`：int 或 None,可選。 > 0（行）或 1（列）。是否計算行或列的 z 分數。Z 得分為 z = (x - mean)/std，因此每行（列）中的值將減去行（列）的平均值，然后除以行（列）的標準偏差。這可確保每行（列）的均值為 0，方差為 1. `standard_scale`：int 或 None, 可選。 > 0（行）或 1（列）。是否標準化該維度，即每行或每列的含義，減去最小值并將每個維度除以其最大值。 **figsize: 兩個整數的元組, 可選。** > 要創建的圖形的大小。 `cbar_kws`：字典, 可選。 > 要傳遞給`heatmap`中的`cbar_kws`的關鍵字參數，例如向彩條添加標簽。 `{row,col}_cluster`：布爾值, 可選。 > 如果為真，則對{rows, columns}進行聚類。 `{row,col}_linkage`：numpy.array, 可選。 > 行或列的預計算鏈接矩陣。有關特定格式，請參閱 scipy.cluster.hierarchy.linkage. `{row,col}_colors`：list-like 或 pandas DataFrame/Series, 可選。 > 要為行或列標記的顏色列表。用于評估組內的樣本是否聚集在一起。可以使用嵌套列表或 DataFrame 進行多種顏色級別的標注。如果以 DataFrame 或 Series 形式提供，則從 DataFrames 列名稱或 Series 的名稱中提取顏色標簽。DataFrame/Series 顏色也通過索引與數據匹配，確保以正確的順序繪制顏色。 `mask`：布爾數組或 DataFrame, 可選。 > 如果通過，數據將不會顯示在`mask`為真的單元格中。具有缺失值的單元格將自動被屏蔽。僅用于可視化，不用于計算。 `kwargs`：其他關鍵字參數。 > 所有其他關鍵字參數都傳遞給`sns.heatmap` 返回值：`clustergrid`：ClusterGrid > ClusterGrid 實例。 注意點： 返回的對象有一個`savefig`方法，如果要保存圖形對象而不剪切樹形圖，則應使用該方法。 要訪問重新排序的行索引，請使用：`clustergrid.dendrogram_row.reordered_in` 列索引, 請使用: `clustergrid.dendrogram_col.reordered_ind` 范例 繪制聚類熱圖。 ```py >>> import seaborn as sns; sns.set(color_codes=True) >>> iris = sns.load_dataset("iris") >>> species = iris.pop("species") >>> g = sns.clustermap(iris) ```  使用不同的相似性指標。 ```py >>> g = sns.clustermap(iris, metric="correlation") ```  使用不同的聚類方法。 ```py >>> g = sns.clustermap(iris, method="single") ```  使用不同的色彩映射并忽略色彩映射限制中的異常值。 ```py >>> g = sns.clustermap(iris, cmap="mako", robust=True) ```  改變圖的大小。 ```py >>> g = sns.clustermap(iris, figsize=(6, 7)) ```  繪制其原始組織中的一個軸。 ```py >>> g = sns.clustermap(iris, col_cluster=False) ```  添加彩色標簽。 ```py >>> lut = dict(zip(species.unique(), "rbg")) >>> row_colors = species.map(lut) >>> g = sns.clustermap(iris, row_colors=row_colors) ```  標準化列中的數據。 ```py >>> g = sns.clustermap(iris, standard_scale=1) ```  正規化行內數據。 ```py >>> g = sns.clustermap(iris, z_score=0) ```