第5章 矩阵图的语法
文档摘要
第5章 矩阵图的语法 本章要回答的三个问题： 什么形态的数据适合画成热力图，行列各放什么、颜色编码什么？ 相关系数矩阵的热力图里，哪些数字值得看、哪些是统计噪声，配色为什么必须发散型？ clustermap 在热力图上加了聚类树，它能"发现分组"吗，边界在哪？ 为什么会有这一章 前四章的映射都围绕"列"展开：一列进 x、一列进 hue、一列切分面。但有一类分析对象天生是矩阵——月份对年份的乘客数、任意两个特征的相关系数、用户对商品的评分。这类数据的比较维度有两个（行与列），而 x、y 位置通道已经被行列占用了，于是颜色成为唯一承载数值的通道。矩阵图家族因此完全建立在"数值到颜色的映射"上，这也让它成为第 6 章配色专题的天然前奏：色板选错，矩阵图的结论直接反转。
第5章 矩阵图的语法
本章要回答的三个问题：
- 什么形态的数据适合画成热力图，行列各放什么、颜色编码什么？
- 相关系数矩阵的热力图里，哪些数字值得看、哪些是统计噪声，配色为什么必须发散型？
- clustermap 在热力图上加了聚类树，它能"发现分组"吗，边界在哪？
为什么会有这一章
前四章的映射都围绕"列"展开：一列进 x、一列进 hue、一列切分面。但有一类分析对象天生是矩阵——月份对年份的乘客数、任意两个特征的相关系数、用户对商品的评分。这类数据的比较维度有两个（行与列），而 x、y 位置通道已经被行列占用了，于是颜色成为唯一承载数值的通道。矩阵图家族因此完全建立在"数值到颜色的映射"上，这也让它成为第 6 章配色专题的天然前奏：色板选错，矩阵图的结论直接反转。
本章只有两节，但每一节都是独立的完整工具链：heatmap 从数据透视到成图解读，clustermap 从聚类树到"发现结构"的边界讨论。
读完能解决什么
- 能判断手头的数据该不该画矩阵图，并完成长表到矩阵的透视加工；
- 能画相关系数热力图并按"强度加符号"双门槛筛出值得关注的变量对；
- 能解释为什么相关矩阵必须用发散色板并以零为中心，以及 standard_scale 消量纲的时机；
- 能读 clustermap 的树状图，知道聚类结果对距离度量和标准化有多敏感。
各节怎么分工
| 节 | 回答哪个问题 | 关键产出 |
|---|---|---|
| 5.1 热力图 heatmap | 问题一与二 | 透视加工、annot 标注、发散色板、相关矩阵筛选流程 |
| 5.2 聚类热力图 clustermap | 问题三 | 行列重排、树状图读法、标准化敏感性与结论边界 |
常见疑问预答
问：长表能直接画热力图吗？ 不能。heatmap 只认行列已成网格的矩阵，长表必须先 pivot；它自身也不做任何聚合——pivot 遇到行列组合重复会报错，这恰好是在提醒你先想清楚聚合口径，不是库在找麻烦。pivot 的逆操作 melt 是 1.3 节的主角，两把刀配齐才能在长宽表之间自由走。
问：聚类树能证明分组存在吗？ 不能。树状图不提供显著性，结果还随标准化与距离度量摇摆。clustermap 是假设生成器，它发现的块结构要回到第 4 章的组间比较或正式的聚类评估确认后，才能写进结论。
问：相关矩阵为什么要遮一半？ 对角线恒为一、上下三角互为镜像，全画信息不变、版面翻倍。mask=np.triu(np.ones_like(corr, dtype=bool)) 传给 heatmap，保留下三角加数值标注，是最紧凑的标准形态。
先决条件
- 第 1.3 节的 pivot 与 melt 互逆操作（矩阵图的原料加工全靠它）；
- 相关系数的概念：只要求知道它取值负一到一、衡量线性关系；
- 分类图章节的"先摸底再比较"习惯，本章会延续到矩阵场景。
本章可考核知识点
- 能完成长表到矩阵的透视加工并说明 heatmap 自身不做聚合的含义；
- 能背出相关矩阵配色的三条铁律（发散色板、center 零点、两端对称固定）；
- 能按双门槛（0.3 忽略、0.7 核心）筛相关系数并说明分组检查的必要性；
- 能解释 standard_scale 取 0 与 1 的语义差别及对聚类结论的影响；
- 能读树状图：合并高度有意义、横向顺序无意义，并能说明双口径验证的流程。
往下走到哪
矩阵图把颜色推上了唯一数值通道的位置，颜色的三套尺度体系（定性、顺序、发散）在 5.1 已经初见威力。第 6 章把这套体系完整展开：从调色板对象到主题上下文，配色与风格将覆盖此前四章所有"细节层"欠下的账。