Python生成相关性热力图简单示例_python绘制相关性热图

近日研究一下热力图，参考一些博主代码做了一些优化，实现矩阵的下三角显示，代码如下：

import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt

print("========================================================================")
data = pd.DataFrame([[1, 6, 7, 5, 1], [2, 10, 8, 3, 4], [3, 4, 0, 10, 2]], columns=['val1', 'val2', 'val3', 'val4', 'val5'])
print(data)

print("========================================================================")
corrmat = data.corr()  # 返回一个相关系数矩阵,默认是皮尔逊系数(计算线性相关的数据)，
# 非线性相关数据可采用
# kendall：这个参数用于计算肯德尔相关系数，可以度量两个变量之间的顺序关系，它可以处理非线性数据，但是它不能处理缺失值
# spearman：这个参数用于计算斯皮尔曼相关系数。斯皮尔曼相关系数主要用于度量两个变量之间的相关性，它也可以处理非线性数据，但是它不能处理缺失值
print(corrmat)

print("========================================================================")
mask = np.zeros(corrmat.shape, dtype=bool)  # corrmat.shape 是 corrmat的行数和列数，np.zeros根据这个行列数生成一个bool类型矩阵
print(mask)

print("========================================================================")
print(np.triu_indices_from(mask))  # 获取矩阵上三角的下标

print("========================================================================")
mask[np.triu_indices_from(mask)] = True  #将上三角的值设为true
print(mask)

# sns.heatmap(data.corr(), linewidths=0.1, vmax=1.0, square=True, linecolor='white', annot=True)
# plt.show()

# 隐藏上三角的写法
# mask：数组，隐藏为true的数据；annot：单元格内显示数据
# 'linewidths'参数控制单元格之间的间隔大小，数值越大，间隔越宽；
# 'vmax'参数用于设定颜色映射的最大值，值越大，颜色越偏向暖色调
# linecolor：线条颜色
# cmap:指定指定颜色映射
sns.heatmap(data.corr(), mask=mask, linewidths=2, vmax=1, square=True, linecolor='white', annot=True, cmap='coolwarm')
plt.show()
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38

效果：