seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square=False, xticklabels='auto', yticklabels='auto', mask=None, ax=None, **kwargs)
参数介绍：
data：矩形数据集
vmax，vmin：用于决定色彩映射的值
cmap：matplotlib颜色条名称或者对象，或者颜色列表
center：用于决定色彩映射，绘制有色数据时将色彩映射居中的值
robust：如果是True，并且vmin或vmax为空，则使用分位数而不是极值来计算色彩映射范围。
anno：需不需要把数据值写入单元格
linewidths：划分每个单元格的行的宽度
linecolor：划分单元格的行的颜色
cbar：是否绘制颜色条
square：单元格是否为方形
xticklabels，yticklabels：是否绘制列名（给布尔值），列名的绘制（给列表），绘制每个n标签（给整数，或者给'auto'自动绘制不密集的标签）
ax：绘制图的坐标轴
kwarge：其他关键字参数，传递给ax.pcolormesh。
返回值：matplotlib Axes
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)
参数介绍：
data：矩形数据集
from sklearn import datasets
iris=datasets.load_iris()
x, y = iris.data, iris.target
pd_iris = pd.DataFrame(np.hstack((x, y.reshape(150, 1))),columns=['sepal length(cm)','sepal width(cm)','petal length(cm)','petal width(cm)','class'] )
pivot_ws：用于选择data中某一部分数据绘图
method：使用的聚类算法，可选single,complete,average,weighted,centroid,median,ward，各算法之间详细区别看这里。
metric：cluster之间的距离选择，默认为欧式距离，其他详细可选方法看这里。
figsize:设置宽度和高度
row_cluster, col_cluster：是否聚类行/列
row_colors, col_colors: 绘制行/列的分类色条
#左侧颜色条
row_c = dict(zip(pd_iris['class'].unique(), ['green','yellow','pink']))
sns.clustermap(data=pd_iris,
row_colors=pd_iris['class'].map(row_c), #行方向聚类用颜色区分不同类
)
cbar_pos: 图例的位置，宽与高的设置(left, bottom, width, height)
tree_kws: cluster之间的连线的设置。
sns.clustermap(data=pd_iris,
tree_kws={'linestyles':'dashed',#线型
'colors':'steelblue',#线色
'linewidths':2},#线宽
cmap: 颜色的设置
annot，annot_kws：显示文本与文本属性设置
其他参数适用于普通heatmap中的方法
参考：
https://www.cntofu.com/book/172/docs/31.md
https://www.cntofu.com/book/172/docs/30.md
https://cmdlinetips.com/2020/01/heatmaps-with-seaborns-clustermap/
https://blog.csdn.net/qq_21478261/article/details/107729786
