相关系数热力图示例代码

以下是一个使用Python和Seaborn库绘制相关系数热力图的示例代码：

import seaborn as sns
import pandas as pd

# 创建一个数据框
df = pd.DataFrame({'A': [1, 2, 3, 4, 5],
                   'B': [2, 3, 1, 5, 4],
                   'C': [3, 1, 2, 4, 5],
                   'D': [4, 5, 1, 2, 3]})

# 计算相关系数
corr = df.corr()

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

运行这段代码将会绘制一个相关系数热力图，其中数据框包含四列（A、B、C和D），每列有五个值。热力图中的颜色表示相关系数的值，越接近红色表示正相关性越强，越接近蓝色表示负相关性越强。`annot=True`参数将在每个单元格中显示相关系数的数值。`cmap='coolwarm'`参数指定了使用的颜色映射。

相关问题

相关系数热力图python代码

### 使用 Python 绘制相关系数热力图

为了展示如何使用 `seaborn` 和其他库来创建相关系数热力图，下面提供了一个完整的代码示例。此例子展示了加载数据集、计算相关矩阵以及绘制带有注解的相关系数热力图的方法。

#### 导入必要的库
首先导入所需的库：

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

#### 设置全局样式参数
设置绘图的默认字体和其他属性可以提高图表的质量和可读性：

plt.rc('font', family='Times New Roman', size=12)  # 修改全图字体[^2]
matplotlib.rcParams['axes.unicode_minus'] = False  # 正常显示负号[^3]

#### 准备数据并计算相关矩阵
假设有一个名为 `Gao_data` 的 DataFrame 数据源，从中选取特定列用于分析其间的关联度：

df = Gao_data  # 假设这是已经定义好的DataFrame对象
shifted_cols = df.columns
corrmat = df[shifted_cols].corr()

#### 创建图形窗口与子图布局
设定图像大小以便更好地呈现细节信息：

f, ax = plt.subplots(nrows=1, ncols=1, figsize=(12, 8))

#### 绘制热力图
利用 Seaborn 库中的 `heatmap()` 方法绘制热力图，并添加数值标签以增强解释能力：

sns.heatmap(
    corrmat,
    annot=True,      # 显示具体数值
    vmax=1,          # 设定颜色条的最大值范围
    square=True       # 单元格形状为正方形
)

ax.set_title('高钾玻璃化学成分相关性', fontsize=16)
plt.tight_layout()   # 自动调整各元素间距防止重叠
plt.show()

通过上述步骤即可完成一张美观且易于理解的相关系数热力图。该过程不仅限于特定的数据集，在实际应用中可以根据需求替换不同的输入数据来进行相似的操作。

皮尔逊相关系数热力图代码

以下是皮尔逊相关系数热力图的代码示例，使用了 Python 的 seaborn 库：

import seaborn as sns
import pandas as pd

# 生成数据
df = pd.DataFrame({
    'A': [1, 2, 3, 4, 5],
    'B': [2, 4, 6, 8, 10],
    'C': [3, 6, 9, 12, 15],
    'D': [4, 8, 12, 16, 20],
    'E': [5, 10, 15, 20, 25]
})

# 计算皮尔逊相关系数
corr_matrix = df.corr(method='pearson')

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

在这个例子中，我们首先生成了一个包含 5 个数值型变量 A、B、C、D、E 的数据框 df。然后，我们计算了这些变量之间的皮尔逊相关系数并存储在 corr_matrix 中。最后，我们使用 seaborn 库的 heatmap 函数将热力图绘制出来，并设置了 annot=True 和 cmap='coolwarm' 以显示相关系数的数值和使用冷色调和暖色调表示正相关和负相关。