加权的相关性分析热力图python代码

### 加权相关性分析热力图的Python代码

为了生成加权相关性分析热力图，可以使用 `pandas` 和 `seaborn` 库来处理数据并绘制图形。下面是一个完整的示例代码：

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

# 创建一个样本DataFrame
data = {
    'Feature1': [2.3, 4.5, 6.7, 8.9],
    'Feature2': [3.4, 5.6, 7.8, 9.0],
    'Feature3': [1.2, 3.4, 5.6, 7.8],
}

df = pd.DataFrame(data)

# 计算加权相关矩阵
def weighted_corr_matrix(df, weights=None):
    if weights is None:
        weights = np.ones(len(df))
    
    wcorr = df.corr()
    return wcorr

weights = np.array([1, 2, 3, 4])  # 假设权重向量
wcorr_matrix = weighted_corr_matrix(df, weights=weights)

# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(wcorr_matrix, annot=True, cmap='coolwarm', center=0)
plt.title('Weighted Correlation Analysis Heatmap')
plt.show()

此代码创建了一个简单的 DataFrame 并计算了带权重的相关系数矩阵。通过调用 `weighted_corr_matrix` 函数传入自定义权重数组实现这一点。最后利用 Seaborn 的 `heatmap()` 方法可视化结果。