相关性分析热力图

相关性分析热力图

如何进行相关性分析请见博文
得到的相关系数矩阵和索引填到如下的代码中相应位置

源代码

#!usr/bin/env python
# encoding:utf-8


'''
__Author__:沂水寒城
功能： python实践统计学中的三大相关性系数，并绘制相关性分析的热力图
'''

import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from scipy.stats import pearsonr, spearmanr
plt.rcParams['font.family'] = 'SimSun'
def dataPlot():
    '''
    基于相关性系数计算结果来绘制
    '''
    data1 = [[1.000000 , 0.311608 , 0.626898 , 0.522995 , 0.542141 , 0.550992],
             [0.311608 , 1.000000 ,  0.257304 , 0.119874 , 0.074362 , 0.273347],
             [0.626898 , 0.257304 , 1.000000,  0.630843 , 0.561050,  0.659293],
             [0.522995 , 0.119874 , 0.630843 , 1.000000,  0.669914,  0.687464],
             [0.542141 , 0.074362 , 0.561050 , 0.669914 , 1.000000 , 0.614127],
             [0.550992 , 0.273347 , 0.659293 , 0.687464,  0.614127 , 1.000000]]
    data1= np.array(data1)
    fig, ax = plt.subplots(figsize=(10, 10))
    key_list = ['花菜类', '茄类','花叶类', '食用菌类', '水生根茎类','辣椒类']
    sns.heatmap(pd.DataFrame(np.round(data1, 4), columns=key_list, index=key_list), annot=True, vmax=1, vmin=0,
                xticklabels=True,
                yticklabels=True, square=True, cmap="Wistia")
    #ax.set_title(' The Spearman correlation matrix', fontsize=23)
    # ax.set_ylabel('Y', fontsize=18)
    ax.set_xticklabels(ax.get_xticklabels(), fontsize=14, rotation=360)
    ax.set_yticklabels(ax.get_yticklabels(), fontsize=14)
    # ax.set_xlabel('X', fontsize=18)
    plt.savefig('data1.png')


if __name__ == '__main__':
    dataPlot()

结果

热力图的颜色可以在heatmap函数的cmap参数中修改。
常见的cmap值包括：

“viridis”：深蓝至亮黄的颜色映射。
“plasma”：深紫红至亮黄的颜色映射。
“inferno”：黑至红黄的颜色映射。
“magma”：黑至白黄的颜色映射。
“cividis”：深蓝至亮黄的颜色映射，适合于彩色盲人士。

若想要更多的颜色选择，可以见网站