我有一个用于pcolormesh热图和树状图的代码，它的工作原理非常好，除了如果我有一个素数（或有时不是素数）的样本和/或基因，该网格不再适合该子图。在玩了很多之后，我意识到这与pcolor / pcolormesh划分其平方（舍入误差）的方式有关，但是我对API不够熟悉，甚至无法开始解决问题。我真的很想让此代码可用于所有数量的样本/顶部基因。顺便说一句，我并不是一个人写这个代码，它是由大量的SO问题拼凑而成的，所以谢谢大家（无论您是谁）。
import scipy
import scipy.cluster.hierarchy as hier
import scipy.spatial.distance as dist
# xl is number of patients, yl is number of genes
# slicing: array[rows,cols]
xl = 20
yl = 50
X = np.transpose(np.random.uniform(-5,5,(100,100)))
#X = np.transpose(Ximp)
X = X[0:yl,0:xl]
fig = plt.figure()
plt.subplot2grid((10,1), (0,1))
X = np.transpose(X)
distMatrix = dist.pdist(X)
distSquareMatrix = dist.squareform(distMatrix)
linkageMatrix = hier.linkage(distSquareMatrix)
dendro = hier.dendrogram(linkageMatrix)
leaves = dendro['leaves']
plt.gca().set_xticklabels([])
plt.gca().set_yticklabels([])
plt.subplot2grid((10,1), (2,0), rowspan=8)
X = np.transpose(X)
X = X[:,leaves]
plt.pcolormesh(X, cmap=matplotlib.cm.RdBu_r, vmin=-5, vmax=5)
xlabels = [item[0:2] for item in demos[0]][0:xl]
relabelx = dict(zip(range(xl),xlabels))
ylabels = glist[0:yl]
plt.xticks(arange(0.5, xl+0.5, 1))
plt.yticks(arange(0.5, yl+0.5, 1))
plt.gca().set_xticklabels([relabelx[xval] for xval in leaves])
plt.gca().set_yticklabels(ylabels)
fig.subplots_adjust(right=0.8)
cbar_ax = fig.add_axes([0.85, 0.15, 0.05, 0.7])
plt.colorbar(cax=cbar_ax)
plt.show()
此代码产生的图像如下：
但是，我将xl更改为22，将yl更改为51（是的，我知道22不是质数，但是我试图证明即使我的问题通常是质数，但也不是质数），我明白了怪物：
有谁知道如何解决这个问题？
最佳答案
只需添加：
plt.xlim(xmax=22) #or xl
plt.ylim(ymax=51) #or yl
后
plt.pcolormesh(X, cmap=matplotlib.cm.RdBu_r, vmin=-5, vmax=5)
应该这样做。
关于python - Matplotlib pcolor/pcolormesh如果行数/列数是一定数目(通常是素数)，则分崩离析，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/19124428/