相关性热力图python

### 创建相关性热力图

为了创建相关性热力图，可以利用 `seaborn` 和 `matplotlib` 这两个强大的 Python 可视化库。这些库提供了简单而直观的方法来生成复杂的图形。

#### 使用 Seaborn 绘制热力图

Seaborn 是基于 Matplotlib 的高级接口，特别适合于统计图表的绘制。下面是一个具体的例子，展示如何使用 Seaborn 来制作一个表示变量间相关性的热力图：

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

# 构建数据集
data = {'shu_liao_temperature': [1.0, 0.413273, 0.012092],
        'aqc_temperature': [0.413273, 1.0, -0.316703],
        'wind_volume': [0.012092, -0.316703, 1.0]}
df_corr = pd.DataFrame(data)

# 设置掩码以隐藏上三角形矩阵部分
mask = np.triu(np.ones_like(df_corr, dtype=bool))

# 初始化绘图区域大小
plt.figure(figsize=(8, 6))

# 使用 heatmap 函数绘制热力图并应用掩码
sns.heatmap(df_corr, mask=mask, annot=True, fmt=".2f", cmap='coolwarm', square=True, cbar_kws={"shrink": .5})

# 显示图像
plt.show()

这段代码首先导入必要的包，并构建了一个包含三个温度测量列的数据框 df_corr。接着定义了一个布尔类型的掩码用于遮挡不需要显示的部分（即对角线以上的元素）。最后调用了 `sns.heatmap()` 方法来实际渲染热力图，其中参数 `annot=True` 表明要在每个单元格中标记数值；`fmt=".2f"` 控制着标签的小数位精度；`cmap='coolwarm'` 设定了颜色映射方案；其他选项则进一步美化了输出效果[^1]。

#### 自定义样式与增强可读性

除了上述基本设置外，还可以通过调整字体大小、改变配色方案等方式来自定义热力图外观，从而提高其美观度和易读性。例如更改颜色主题为更柔和的颜色渐变，或是增加标题说明等细节[^2]。