为相关性矩阵绘制，颜色取值的最大值0.8,使每个单元格为方形的热力图

好的，为了绘制热力图，我们可以使用Python中的matplotlib库和seaborn库。具体代码如下：

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

# 读取数据并进行预处理
data = pd.read_csv('weather_data.csv')
data = data.dropna() # 删除缺失值

# 选取需要计算相关性的列
cols = ['pm2.5', 'DEWP', 'TEMP', 'PRES', 'Iws', 'Is', 'Ir', 'Cbwd-NE', 'Cbwd-NW', 'Cbwd-SE', 'Cbwd-cv']
data_selected = data[cols]

# 计算相关性矩阵
corr_matrix = np.corrcoef(data_selected.T)

# 绘制热力图
sns.set(font_scale=1.2)
sns.heatmap(corr_matrix, vmax=0.8, square=True, annot=True, cmap='coolwarm')

plt.title('Correlation Matrix')
plt.xlabel('Features')
plt.ylabel('Features')

plt.show()

在以上代码中，我们使用了sns.heatmap()函数来绘制热力图，其中vmax参数表示颜色取值的最大值，square参数表示每个单元格是否为正方形，annot参数表示是否在每个单元格中显示数值，cmap参数表示使用的颜色映射。运行以上代码后，会得到一个热力图，其中每个单元格的颜色表示对应指标之间的相关性大小，颜色越深表示相关性越强。