皮尔森相关系数热力图

皮尔逊相关系数热力图是通过计算数据中各个变量之间的相关性来展示的。相关系数的范围从-1到1，其中-1表示完全负相关，1表示完全正相关，0表示没有线性关系。

要生成皮尔逊相关系数热力图，首先需要导入必要的库，如numpy、pandas、seaborn和matplotlib.pyplot。然后，使用pandas库的read_excel函数读取数据，并使用iloc函数选择所需的列。

接下来，使用pandas库的corr函数计算数据的皮尔逊相关系数矩阵。可以使用method参数指定计算方法，如'spearman'来计算斯皮尔曼相关系数。最后，使用seaborn库的heatmap函数将相关系数矩阵可视化为热力图。

以下是生成皮尔逊相关系数热力图的代码示例：

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

# 读取数据
datas = pd.read_excel(r'C:\Users\1003\Desktop\土地指标\指标.xlsx')
datas = datas.iloc[:,:-2]

# 计算皮尔逊相关系数矩阵
correlation_matrix = datas.corr(method='pearson')

# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm')

plt.title('Pearson Correlation Coefficient Heatmap')
plt.show()

这样就可以得到一个展示数据中各个变量之间皮尔逊相关系数的热力图。图中颜色越深表示相关性越强，颜色越浅表示相关性越弱或无关。同时，通过热力图上的数字可以获取具体的相关系数数值。