# coding=utf-8
import pandas as pd
import matplotlib.pyplot as plt # 可视化
import seaborn as sns # 可视化
df = pd.read_csv('1320.csv') # 读取数据
# print('pearson\n', df.corr(method='pearson')) # 皮尔逊相关系数
# print('kendall\n', df.corr(method='kendall')) # 肯德尔秩相关系数
# print('spearman\n', df.corr(method='spearman')) # 斯皮尔曼秩相关系数
_, ax = plt.subplots(figsize=(12, 10))
corr = df.corr(method='pearson') # 使用皮尔逊系数计算列与列的相关性
# corr = df.corr(method='kendall')
# corr = df.corr(method='spearman')
cmap = sns.diverging_palette(220, 10, as_cmap=True) # 在两种HUSL颜色之间制作不同的调色板。图的正负色彩范围为220、10,结果为真则返回matplotlib的colormap对象
_ = sns.heatmap(
corr, # 使用Pandas DataFrame数据,索引/列信息用于标记列和行
cmap=cmap, # 数据值到颜色空间的映射
square=True, # 每个单元格都是正方形
cbar_kws={'shrink': .9}, # `fig.colorbar`的关键字参数
ax=ax, # 绘制图的轴
annot=True, # 在单元格中标注数据值
annot_kws={'fontsize': 12}) # 热图,将矩形数据绘制为颜色编码矩阵
plt.show()
皮尔逊相关系数矩阵热图 代码
于 2022-03-02 18:12:28 首次发布