# seaborn.clustermap > 译者：[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) ``` 将矩阵数据集绘制成分层聚类热图。 参数：**data：2D array-like** > 用于聚类的矩形数据，不能包含 NA。 `pivot_kws`：字典，可选。 > 如果数据是整齐的数据框架，可以为 pivot 提供关键字参数以创建矩形数据框架。 `method`：字符串，可选。 > 用于计算聚类的链接方法。有关更多信息，请参阅文档 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，可选。 > 用于数据的距离度量。有关更多选项，请参阅 scipy.spatial.distance.pdist 文档。 [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) 要对行和列使用不同的度量（或方法），您可以子集构造每个链接矩阵，并将它们提供为`{row, col}_linkage.` `z_score`：int 或 None,可选。 > 0（行）或 1（列）。是否计算行或列的 z 分数。Z 得分为 z = (x - mean)/std，因此每行（列）中的值将减去行（列）的平均值，然后除以行（列）的标准偏差。这可确保每行（列）的均值为 0，方差为 1. `standard_scale`：int 或 None, 可选。 > 0（行）或 1（列）。是否标准化该维度，即每行或每列的含义，减去最小值并将每个维度除以其最大值。 **figsize: 两个整数的元组, 可选。** > 要创建的图形的大小。 `cbar_kws`：字典, 可选。 > 要传递给`heatmap`中的`cbar_kws`的关键字参数，例如向彩条添加标签。 `{row,col}_cluster`：布尔值, 可选。 > 如果为真，则对{rows, columns}进行聚类。 `{row,col}_linkage`：numpy.array, 可选。 > 行或列的预计算链接矩阵。有关特定格式，请参阅 scipy.cluster.hierarchy.linkage. `{row,col}_colors`：list-like 或 pandas DataFrame/Series, 可选。 > 要为行或列标记的颜色列表。用于评估组内的样本是否聚集在一起。可以使用嵌套列表或 DataFrame 进行多种颜色级别的标注。如果以 DataFrame 或 Series 形式提供，则从 DataFrames 列名称或 Series 的名称中提取颜色标签。DataFrame/Series 颜色也通过索引与数据匹配，确保以正确的顺序绘制颜色。 `mask`：布尔数组或 DataFrame, 可选。 > 如果通过，数据将不会显示在`mask`为真的单元格中。具有缺失值的单元格将自动被屏蔽。仅用于可视化，不用于计算。 `kwargs`：其他关键字参数。 > 所有其他关键字参数都传递给`sns.heatmap` 返回值：`clustergrid`：ClusterGrid > ClusterGrid 实例。 注意点： 返回的对象有一个`savefig`方法，如果要保存图形对象而不剪切树形图，则应使用该方法。 要访问重新排序的行索引，请使用：`clustergrid.dendrogram_row.reordered_in` 列索引, 请使用: `clustergrid.dendrogram_col.reordered_ind` 范例 绘制聚类热图。 ```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标。 ```py >>> g = sns.clustermap(iris, metric="correlation") ```  使用不同的聚类方法。 ```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异常值。 ```py >>> g = sns.clustermap(iris, cmap="mako", robust=True) ```  改变图的大小。 ```py >>> g = sns.clustermap(iris, figsize=(6, 7)) ```  绘制其原始组织中的一个轴。 ```py >>> g = sns.clustermap(iris, col_cluster=False) ```  添加彩色标签。 ```py >>> lut = dict(zip(species.unique(), "rbg")) >>> row_colors = species.map(lut) >>> g = sns.clustermap(iris, row_colors=row_colors) ```  标准化列中的数据。 ```py >>> g = sns.clustermap(iris, standard_scale=1) ```  正规化行内数据。 ```py >>> g = sns.clustermap(iris, z_score=0) ```