用python代码绘制鸢尾花数据集iris的热力图和带层次聚类的热力图

在Python中，我们可以使用matplotlib库来绘制数据集的热力图，例如鸢尾花（Iris）数据集。这个数据集通常包含花瓣长度、花瓣宽度等特征。首先，我们需要加载数据并计算相关度矩阵，然后才能创建热力图。对于带层次聚类的热力图，我们将需要使用scikit-learn库进行聚类。

这里是一个简单的示例，展示如何绘制基础的热力图：

import seaborn as sns
from sklearn.datasets import load_iris
import numpy as np

# 加载鸢尾花数据集
iris = load_iris()
X = iris.data
y = iris.target

# 计算皮尔逊相关系数作为相似度矩阵
corr_matrix = np.corrcoef(X.T)

# 绘制热力图
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm')
plt.title('基础鸢尾花数据集热力图')
plt.show()

至于带层次聚类的热力图，我们先对数据进行聚类，然后再创建热力图。假设我们使用了ward链接法（Ward’s method）：

from scipy.cluster.hierarchy import ward, dendrogram
import matplotlib.pyplot as plt

# 进行层次聚类
Z = ward(np.array(corr_matrix))
dendrogram(Z, labels=iris.feature_names)
plt.title('层次聚类后的鸢尾花数据集热力图')
plt.xlabel('特征')
plt.ylabel('样本')
plt.show()

# 使用聚类结果更新热力图
clustered_corr = corr_matrix[Z[-1].argsort()]
sns.heatmap(clustered_corr, annot=True, cmap='coolwarm', yticklabels=False)
plt.title('带层次聚类的鸢尾花数据集热力图')
plt.show()