Heatmap热力图、pandas.DataFrame.corr()、皮尔森相关系数

Heatmap热力图

Heatmap热力图是一个以颜色变化来显示数据的矩阵。

matplotlib可通过以下两种方法绘制heamap；
 

matplotlib.axes.Axes.imshow
matplotlib.pyplot.imshow

我们以天池上的精灵宝可梦数据为例：

https://pai-public-data.oss-cn-beijing.aliyuncs.com/pokemon/pokemon.csvhttps://pai-public-data.oss-cn-beijing.aliyuncs.com/pokemon/pokemon.csv导入数据之后，对其进行热力图操作

plt.subplots(figsize=(20,15))
ax = plt.axes()
ax.set_title("Correlation Heatmap")
corr = df.corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values)

 从上面可以很直观的看出每项之间的关系系数，在左边是表示的颜色指数，绝对值越靠近1表示关系越靠近。

pandas.DataFrame.corr()

在上述代码中，有一个corr()，它的使用方法一般是

pandas.DataFrame.corr()
DataFrame.corr(self, method, min_periods=1) 

method是计算相关系数的方法，默认是皮尔森相关系数；
min_periods是说，最小样本数，因为相关系数有些缺点，比如样本数太少的话，相关系数的意义就不是很大。

皮尔森相关系数

 COV为两个变量的协方差，分母为两个变量标准差的乘积。  ux是X的平均值， uy 是Y的平均值，E为期望。皮尔森相关系数是一个线性相关的系数，反映两个量之间的线性相关程度的。这个值常用小写字母r来表示。r值范围在-1到1之间，绝对值越接近于1，相关性越强（负相关/正相关）。

总之，热力图是数据处理很常见的图像，在做数据处理的过程中，可以比较直观看出各项特征之间的关系，皮尔森相关系数也是一项有力的助手。