python根据dataframe画相关性热力图

可以使用Seaborn库中的heatmap函数来画相关性热力图。具体步骤如下：

1. 导入Seaborn库和数据集

import seaborn as sns
import pandas as pd

df = pd.read_csv("data.csv")

2. 计算相关系数矩阵

corr_matrix = df.corr()

3. 使用heatmap函数画热力图

sns.heatmap(corr_matrix, cmap="YlGnBu")

完整代码示例：

import seaborn as sns
import pandas as pd

df = pd.read_csv("data.csv")
corr_matrix = df.corr()
sns.heatmap(corr_matrix, cmap="YlGnBu")

运行结果就是相关性热力图。其中，颜色越深表示相关性越高，颜色越浅表示相关性越低。注意，heatmap函数默认会去除上三角部分，因为它们是对称的。如果想要显示完整的相关性矩阵，可以设置参数`annot=True`。

相关问题

用python画高维数据相关性热力图并展示

可以使用seaborn库中的heatmap函数来画高维数据相关性热力图，示例代码如下：

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

# 生成随机数据
data = pd.DataFrame(np.random.randn(100, 10))

# 计算相关系数
corr = data.corr()

# 画热力图
sns.heatmap(corr, cmap='coolwarm', annot=True)

plt.show()

这段代码可以生成一个高维数据相关性热力图，并且使用颜色来表示相关性的强度，越红表示正相关性越强，越蓝表示负相关性越强。同时，还可以在热力图上显示相关系数的值，方便观察。

python画出相关性热力图并保存高清图片

要画出相关性热力图并保存高清图片，我们需要使用 Python 中的 Seaborn 库和 Matplotlib 库。以下是实现的步骤：

1. 导入所需库：

import seaborn as sns
import matplotlib.pyplot as plt

2. 创建相关性矩阵：

corr_matrix = df.corr()

其中，`df` 为包含数据的 Pandas DataFrame 对象。

3. 使用 Seaborn 库中的 `heatmap()` 函数绘制热力图：

sns.heatmap(corr_matrix, annot=True)

其中，`annot=True` 表示在热力图上显示相关系数的值。

4. 设置图像属性：

plt.title('Correlation Heatmap')
plt.tight_layout()

可以设置热力图的标题，并使用 `tight_layout()` 函数使图像更紧凑。

5. 保存图像：

plt.savefig('correlation_heatmap.png', dpi=300)

使用 `savefig()` 函数将图像保存为指定格式的文件。其中，`dpi=300` 表示设置图像的分辨率为 300 dpi，以获得更高质量的图像。

完整代码如下：

import seaborn as sns
import matplotlib.pyplot as plt

# 创建相关性矩阵
corr_matrix = df.corr()

# 绘制热力图
sns.heatmap(corr_matrix, annot=True)

# 设置图像属性
plt.title('Correlation Heatmap')
plt.tight_layout()

# 保存图像
plt.savefig('correlation_heatmap.png', dpi=300)

以上就是如何使用 Python 画出相关性热力图并保存高清图片的方法。