用seaborn库生成相关系数矩阵并绘制热力图的代码

在Python中，你可以使用Seaborn库的`heatmap()`函数来创建相关系数矩阵的热力图。首先，你需要安装Seaborn库，然后导入必要的模块，并计算数据集中的相关系数。下面是一个简单的示例：

import seaborn as sns
import pandas as pd
import numpy as np

# 假设你有一个名为df的数据框，其中包含数值型变量
data = {
    'var1': [1, 2, 3, 4, 5],
    'var2': [2, 4, 6, 8, 10],
    'var3': [3, 6, 9, 12, 15],
    # ... 更多的列...
}

df = pd.DataFrame(data)

# 计算数据框中所有数值变量的相关系数
corr_matrix = df.corr()

# 使用seaborn绘制热力图
sns.set(style="white")
plt.figure(figsize=(10, 8))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt=".2f")  # "annot"显示数字，cmap设置颜色映射
plt.title('相关系数热力图')
plt.show()

在这个例子中，`corr()`函数用于计算DataFrame中各列之间的皮尔逊相关系数。热力图展示了每对变量间的相关程度，颜色越深表示相关性越强。