使用Python，完成以下任务： 1、定义x变量为随机生从20到100之间的100个数据，y变量为5x2-1。 2、使用Matplotlib库绘制x和y的散点图，颜色为黄色，标题为"y=5x^2-1"。 3、使用Pandas库绘制x和y的散点图，颜色为黄色，标题为"y=5x^2-1"。 4、使用Seaborn库绘制x和y的散点图，颜色为黄色，标题为"y=5x^2-1"。 5、随机生成五组1-100之间的20个数据，计算他们的相关系数矩阵(pandas的dataframe有corr()方法可以计算相关系数矩阵)，并绘制热力图，显示数字和保留2位小数，数字大小为8及字体颜色为白色。

以下是Python代码实现：

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

# 定义x和y变量
np.random.seed(0)
x = np.random.randint(20, 101, 100)
y = 5 * x**2 - 1

# 绘制散点图
plt.scatter(x, y, color='yellow')
plt.title('y=5x^2-1')
plt.show()

# 使用Pandas库绘制散点图
df = pd.DataFrame({'x': x, 'y': y})
df.plot.scatter(x='x', y='y', color='yellow', title='y=5x^2-1')
plt.show()

# 使用Seaborn库绘制散点图
sns.scatterplot(x=x, y=y, color='yellow')
plt.title('y=5x^2-1')
plt.show()

# 随机生成五组数据
data = np.random.randint(1, 101, (20, 5))
df = pd.DataFrame(data)

# 计算相关系数矩阵并绘制热力图
corr_matrix = df.corr()
sns.heatmap(corr_matrix, annot=True, fmt='.2f', cmap='coolwarm', vmin=-1, vmax=1, center=0, cbar_kws={'label': 'Correlation'})
plt.title('Correlation Heatmap', fontsize=16)
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)
plt.show()

以上代码运行后，会分别绘制x和y的散点图，以及使用Pandas库和Seaborn库绘制的散点图。最后，会生成一个包含五组数据相关系数矩阵的DataFrame，并绘制热力图显示每两组数据之间的相关性。