import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import pearsonr, spearmanr
def randomPlot():
'''
构造随机数矩阵来绘制热力图
'''
data = np.random.rand(8, 8)
print(data)
fig, ax = plt.subplots(figsize=(10, 10))
key_list = ['A', 'B', 'C', 'D', 'E', 'F', 'G', 'H']
sns.heatmap(pd.DataFrame(np.round(data, 4), columns=key_list, index=key_list), annot=True, vmax=1, vmin=0,
xticklabels=True,
yticklabels=True, square=True, cmap="YlGnBu")
ax.set_title(' Heat Map ', fontsize=18)
ax.set_ylabel('Y', fontsize=18)
ax.set_xlabel('X', fontsize=18)
plt.savefig('Random.png')
def dataPlot():
'''
基于相关性系数计算结果来绘制
'''
data1 = [[1,3,1,1/5
Python之相关性分析热力图
最新推荐文章于 2024-08-07 09:14:37 发布
本文介绍了如何使用Python进行数据相关性分析,并通过热力图清晰地展示相关性矩阵,帮助读者理解数据之间的关联程度。
摘要由CSDN通过智能技术生成