如何输出一个简洁美观的corrleation_matrix

输出一个简洁美观的相关系数矩阵（corrleation_matrix），通常会结合Python的数据可视化库如matplotlib和pandas。以下是步骤：

1. 首先，确保你有一个包含数据的DataFrame，例如`df`，并且你想计算其相关系数。

import pandas as pd
import numpy as np
import seaborn as sns

# 假设 df 是你的 DataFrame

2. 计算相关系数矩阵：

   correlation_matrix = df.corr()

3. 使用seaborn库中的heatmap函数，因为它提供了一种美观的可视化方式：

   import matplotlib.pyplot as plt
   import seaborn as sns

   # 设置颜色范围、字体大小等偏好设置
   cmap = sns.diverging_palette(230, 20, as_cmap=True)  # 温度渐变色地图
   mask = np.triu(np.ones_like(correlation_matrix, dtype=bool))  # 显示上三角部分，避免重复

   # 创建热力图
   heatmap = sns.heatmap(correlation_matrix, mask=mask, cmap=cmap, annot=True, fmt=".2f", linewidths=.5, square=True)
   heatmap.set_title("Pearson Correlation Heatmap")

`fmt=".2f"`表示保留两位小数，`linewidths`控制线条粗细，`square=True`让表格变为正方形。

4. 添加颜色条（colorbar）：

   plt.colorbar(heatmap, shrink=0.8, label="Pearson Correlation")

5. 调整标签和标题：

   heatmap.set_xticklabels(heatmap.get_xticklabels(), rotation=45, ha="right")  # 将x轴标签倾斜
   heatmap.set_yticklabels(heatmap.get_yticklabels(), rotation=0)  # y轴不旋转

6. 最后，显示结果：

   plt.show()

这样你就得到了一个简洁美观的相关系数矩阵图。记得检查`df`是否适合你的需求，并根据需要调整上述代码中的参数。如果你有特定的自定义需求，比如更改颜色方案、调整边缘等，可以查阅相应库的文档。