matplotlib & seaborn相关性热图

最新推荐文章于 2024-08-14 11:15:34 发布

SHOUGOUGOU

最新推荐文章于 2024-08-14 11:15:34 发布

阅读量983

点赞数

分类专栏： python 文章标签： python 可视化

本文链接：https://blog.csdn.net/SHOUGOUGOU/article/details/118111301

版权

python 专栏收录该内容

13 篇文章 0 订阅

订阅专栏

这篇博客介绍了如何利用Python的pandas和seaborn库来生成数据的相关性矩阵，并通过seaborn的heatmap函数绘制相关性热力图。同时，针对seaborn显示中文时遇到的字体问题，提供了清除matplotlib缓存的解决方案，确保能正确显示中文列名。

摘要由CSDN通过智能技术生成

1.数据准备

关键一步，使用pandas的corr函数生成相关矩阵。

from string import ascii_letters
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import palettable

# 生成随机数
rs = np.random.RandomState(33)#类似np.random.seed，即每次括号中的种子33不变，每次可获得相同的随机数
d = pd.DataFrame(data=rs.normal(size=(100, 26)),#normal生成高斯分布的概率密度随机数，需要在变量rs下使用
                 columns=list(ascii_letters[26:]))

# corr函数计算相关性矩阵(correlation matrix)
dcorr = d.corr(method='pearson')#默认为'pearson'检验，可选'kendall','spearman'

2、seaborn.heatmap绘制correlation heatmap

vmax设置颜色的阈值，根据数据范围确定

data必须是数值型

cmap colormap样式

annot 图片上显示数字

plt.figure(figsize=(11, 9),dpi=100)
sns.heatmap(data=dcorr,
            vmax=0.3,
            cmap=plt.cm.get_cmap('Accent'), #colormap
            annot=True,#图中数字文本显示
            fmt=".2f",#格式化输出图中数字，即保留小数位数等
            annot_kws={'size':8,'weight':'normal', 'color':'#253D24'},#数字属性设置，例如字号、磅值、颜色        
           )

3、colormap可视化

每种Colormap中颜色是什么样子的？请看下图：

取colormap

import matplotlib.pyplot as plt
from matplotlib import cm

plt.cm.get_cmap('Accent')

4.seaborn显示中文

列名是中文的时候报Font Family ['Microsoft YaHei'] not found这个错，不管是修改matplotlibrc文件还是拷贝字体文件到/home/xx/anaconda3/lib/python3.7/site-packages/matplotlib/mpl-data/fonts路径下都不管用。

后来发现应该是缓存的问题

cd /home/xx/.cache/matplotlib
ls
fontlist-v310.json  tex.cache

有一个字体列表json的文件: fontlist-v310.json，这个文件里保存这绝对路径
{
"fname": "/usr/share/fonts/truetype/noto/NotoSerifDevanagari-Regular.ttf", //这个是绝对路径
"name": "Noto Serif Devanagari",
"style": "normal",
"variant": "normal",
"weight": 400,
"stretch": "normal",
"size": "scalable",
"__class__": "FontEntry"
}

这个文件里没有Microsoft YaHei的配置，把缓存清掉之后，它会读/matplotlib/mpl-data/fonts重新生成，再运行就可以了