先说excel数据结构,类似这样,第一行是数据名

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import numpy as np
# 读取 Excel 文件
file_path = r'G:\XXXX.xlsx'#文件中第一行是数据名称,数据是按照列排列的
merged_data = pd.read_excel(file_path)
# 计算相关系数矩阵
corr_matrix = merged_data.corr()
# 创建一个上三角形的掩码
mask = np.triu(np.ones_like(corr_matrix, dtype=bool), k=1)#如果这里不需要掩码,展示全图就删除这行代码
# 设置图形尺寸
plt.figure(figsize=(12, 10))
# 绘制热图(viridis颜色可更换,我比较喜欢这个和RdBu)
sns.heatmap(corr_matrix, mask=mask, annot=True, cmap='viridis', fmt=".2f", square=True, annot_kws={"size": 12})
# 添加标题
plt.title('Correlation Heatmap', fontsize=16)
# 显示图形
plt.show()
本文介绍了如何使用Python库如pandas和seaborn读取Excel文件,提取数据并计算相关系数矩阵,然后通过seaborn绘制上三角形的热力图,展示数据之间的相关性,适用于数据分析和探索性可视化。
4万+





