一般来说，R中使用pheatmap绘制聚类热力图的写法如下：

pheatmap(sample_1,scale = "row",fontsize=6, fontsize_col = 8,cluster_cols = F, 
         color = colorRampPalette(c("steelblue", "white", "firebrick3"))(10),
这里的第一参数为数据，第二个参数 scale="row" 表示对于行数据进行 归一化 ， cluster_cols 表示是否对列进行聚类分析，后面的参数即图的样式等等。
 
更加具体的各参数的说明参考文档
 
在python中，一般来说使用 seaborn.clustermap 这个包中的函数来进行聚类分析图的绘制，一种写法如下：
 
sns.clustermap(simple_data, z_score=0, method='complete',
				 col_cluster=False,cmap='RdBu', 
				 figsize=(len(simple_data.columns),
				  len(simple_data.index)))
其中传入的数据为 Dataframe 类型的数据，
clustermap中对于数据的归一化处理有两种，一种为 z-scale 变换，另一种为 standard_scale 方式，且值为0表示对行数据归一化，1表示对列归一化，**经过实验，只有 z-scale 变换得到的图像的结果与R中的pheatmap默认的处理结果一致
其他的参数是颜色等的设置
 
所以如果发现同样的数据，使用不同的方式处理后得到的聚类热力图不一致，可以尝试指定参数 z-scale 。
 
此外，pheatmap默认的聚类方法是 complete 且距离的计算方式是 欧几里得距离
 而python中默认的聚类方式是 average ，距离计算方式也是 欧几里得距离
 所以后一段代码中制定了 method
 
seaborn.clustermap的其他参数说明
                    一般来说，R中使用pheatmap绘制聚类热力图的写法如下：pheatmap(sample_1,scale = "row",fontsize=6, fontsize_col = 8,cluster_cols = F,          color = colorRampPalette(c("steelblue", "white", "firebrick3"))(10),)这里的第一参数为数据，第二个参数 scale="row" 表示对于行数据进行 归一化 ， cluster_cols 表示是否对列
查询已安装的所有的包：library() 或installed.packages()（括号内为空，区别以上两项）
查询具体包的信息： help(package="pheatmap") 或者加载包之后 ?`pheatmap-package`(注意反引号）以及 ?pheatmap
查询包的版本：installed.packages()能列出所有已安装的包的版本，packa...
				
pheatmap是简单常用的热图绘制包，可以快速、简单、可定制的绘制漂亮热图。具体见R语言学习-热图简化和免费高颜值可定制在线绘图工具 ImageGP。
现在要解决的一个问题是图出来了，想看下转换后用于绘图的表格，也就是获取聚类后的矩阵和聚类标准化后的矩阵。
生成测试数据
mat <- matrix(rnorm(30), nrow=5)
colnames(mat) <- paste(...
				
pheatmap(mat,color=colorRampPalette(rev(brewer.pal(n=7,name="RdYlBu")))(100),
kmeans_k=NA,
breaks=NA,
border_color="grey60",
cellwidth=NA,cellheight=NA,
scale="none",
cluster_rows=TRUE,cluster_cols=TRUE,
clustering_distance_ro...
import matplotlib.pyplot as plt
import seaborn as sns
iris = sns.load_dataset(name='iris',cache=True,data_home="./seaborn-data")
species = 
				
如果Python中没有seaborn样式，你可以考虑以下几个解决方案：
1. 你可以手动设置matplotlib样式，因为seaborn只是基于matplotlib构建的。使用`matplotlib.style`模块可以轻松地更改绘图的样式。例如，你可以使用`plt.style.use('ggplot')`来设置ggplot样式。
2. 你可以安装seaborn包来使用其样式。使用pip安装命令：`pip install seaborn`，如果已经安装，可以尝试卸载并重新安装，确保版本最新。这样，就可以使用seaborn的默认样式或自定义样式。
3. 你也可以自己定义一些自定义的matplotlib样式，然后在你的代码中使用。这样，你可以定制化你的图表样式，以满足你的需求。
希望这些解决方案能够帮助你解决问题！