使用预先计算的距离相关矩阵的Seaborn簇图问题

Question

我是：

• （（A））运行Seaborn文档Discovering structure in heatmap data中的示例，但使用dcor Distance Correlation中的library，而不是pandas.DataFrame.corr，仅限于线性或等级系数。

然后我要：

• （（B）使用带有我自己的数据的几个DataFrame执行相同的操作。

我按照文档示例中的说明直接向sns.clustermap提供了距离相关性，因为我对热图中的结构感兴趣，而不是像this SO answer中那样使用距离相关性矩阵来计算链接。 ， 例如。我使用此excellent SO answer的代码修改来创建距离校正矩阵。

• （（A）这里没有问题

我执行时：

distcorr = lambda column1, column2: dcor.distance_correlation(column1, column2)
dcor_df= df.apply(lambda col1: df.apply(lambda col2: distcorr(col1, col2)))
sns.clustermap(dcor_df, cmap="mako",
               row_colors=network_colors, col_colors=network_colors,
               linewidths=.75, figsize=(13, 13))
我得到了我期望的结果：

• （（B）我在这里确实遇到了问题]，当我移至自己的数据时

[对于某些背景：我有两个带有两个标记为A, B, ..., P的变量的DataFrames。变量是相同的（相同的度量，相同的单位），但是度量是在空间上分开的两个位置收集的，因此我的目标是分别运行分析，以查看变量是否以相似的方式关联（即具有相似的结构）在热图上）。

来自第一个位置的数据存储在here中。

我执行以下代码：

df_1 = pd.read_csv('df_1.csv')
pd.options.display.float_format = '{:,.3f}'.format
distcorr = lambda column1, column2: dcor.distance_correlation(column1, column2)
rslt_1 = df_1.apply(lambda col1: df_1.apply(lambda col2: distcorr(col1, col2)))
rslt_1
并且我得到了预期的（正方形，对称的）距离相关矩阵：我可以用绘制为sns.heatmap：
h=sns.heatmap(rslt_1, cmap="mako",  vmin=0, vmax=1, 
              xticklabels=True, yticklabels=True, square=True) 
fig = plt.gcf()
fig.set_size_inches(14, 10)
但是，当我尝试通过以下方式将距离相关矩阵传递给“ sns.clustermap”时：

s=sns.clustermap(rslt_1, cmap="mako", standard_scale=1, linewidths=0) 
fig = plt.gcf()
fig.set_size_inches(10, 10);
我明白了：

这对我来说很奇怪，因为我期望行和列的排序与上述修改后的文档示例中的排序相同。除非我完全不出去吃午饭，或者想念或误解一些重要的东西。

如果我像这样通过metric='correlation'：

s=sns.clustermap(rslt_1, cmap="mako", metric='correlation', 
             standard_scale=1, linewidths=0) 
fig = plt.gcf()
fig.set_size_inches(10, 10);
我得到的结果与对角线对称，正如我所期望的，如果我“眼球”这些簇，那么在与表格形式的矩阵进行比较时，它们对我来说更有意义：
使用第二个位置的数据存储here，无论是否通过metric='correlation'，我都会得到合理的结果（虽然不完全相同，但相当相似）：
我无法解释第一种情况下的行为。 我想念什么吗？>？

谢谢。

PS

我在Windows 10 PC上。一些信息：

我：（A）运行Seaborn文档中的示例，发现热图数据中的结构，但使用dcor库中的距离关联，而不是pandas.DataFrame.corr，其中...

从集群图中删除标准比例参数。

s=sns.clustermap(rslt_1, cmap="mako", metric='correlation', linewidths=0) 

Answer 1

从集群图中删除标准比例参数。

s=sns.clustermap(rslt_1, cmap="mako", metric='correlation', linewidths=0)