使用Python，完成以下任务： 1、定义x变量为随机生从20到100之间的100个数据，y变量为5x2-1。 2、使用Matplotlib库绘制x和y的散点图，颜色为黄色，标题为"y=5x^2-1"。 3、使用Pandas库绘制x和y的散点图，颜色为黄色，标题为"y=5x^2-1"。 4、使用Seaborn库绘制x和y的散点图，颜色为黄色，标题为"y=5x^2-1"。 5、随机生成五组1-100之间的20个数据，计算他们的相关系数矩阵(pandas的dataframe有corr()方法可以计算相关系数矩阵)，并绘制热力图，显示数字和保留2位小数，数字大小为8及字体颜色为白色。

以下是代码实现：

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

# 定义x和y变量
x = np.array([random.randint(20, 100) for i in range(100)])
y = 5 * x ** 2 - 1

# 使用Matplotlib绘制散点图
plt.scatter(x, y, color='yellow')
plt.title('y=5x^2-1')
plt.show()

# 使用Pandas绘制散点图
df = pd.DataFrame({'x': x, 'y': y})
df.plot.scatter(x='x', y='y', color='yellow', title='y=5x^2-1')
plt.show()

# 使用Seaborn绘制散点图
sns.scatterplot(x=x, y=y, color='yellow')
plt.title('y=5x^2-1')
plt.show()

# 随机生成五组数据
data = np.random.randint(1, 100, size=(20, 5))
df_corr = pd.DataFrame(data)

# 计算相关系数矩阵并绘制热力图
corr_matrix = df_corr.corr()
sns.heatmap(corr_matrix, cmap='coolwarm', annot=True, fmt='.2f', vmin=-8, vmax=8, center=0, cbar=False, annot_kws={"size": 8, "color": "white"})
plt.show()

运行后会分别绘制Matplotlib、Pandas和Seaborn的散点图，以及相关系数矩阵的热力图。注意，热力图的数字大小为8，字体颜色为白色。