皮尔逊相关系数/热力图python

皮尔逊相关系数（Pearson correlation coefficient），也称为皮尔逊积差相关系数，是一种衡量两个变量之间线性关系强度和方向的统计量，其值范围从-1到+1，其中0表示无相关性，正数表示正向相关，负数表示负向相关。

在Python中，你可以使用`scipy.stats`库中的`pearsonr()`函数来计算皮尔逊相关系数。例如：

from scipy import stats

# 假设你有两个数组 x 和 y
x = [1, 2, 3, 4, 5]
y = [2, 4, 6, 8, 10]

# 计算皮尔逊相关系数和p值
corr, p_value = stats.pearsonr(x, y)

print("皮尔逊相关系数:", corr)

至于热力图（Heatmap），它是一种可视化工具，用于展示数值数据矩阵中元素间的相似度或关联程度。在Python中，你可以使用seaborn或matplotlib等库来创建热力图，如`heatmap`函数，配合皮尔逊相关系数来呈现数据的相关性。假设我们有一个二维数组data：

import seaborn as sns
import numpy as np

# 创建随机数据
data = np.random.rand(10, 10)

# 使用seaborn绘制热力图
sns.heatmap(data, annot=True, cmap='coolwarm', center=0,
            cbar_kws={'label': '皮尔逊相关系数'})

plt.show()

这里，`cmap='coolwarm'`指定了颜色映射方案，`center=0`将颜色对齐到零，`annot=True`显示每个单元格的值。