使用Python进行绘制一致性热图-优快云博客

一，一致性热图的意义与应用

一致性热图是一种强大的数据可视化工具，用于展示多个变量或方法之间的一致性或相关性。它的主要特点和作用包括：

直观展示关系：通过颜色深浅和数值标注，一目了然地显示变量间的相关程度。

模式识别：帮助快速识别哪些变量高度相关或独立，发现数据中的潜在模式。

方法比较：在科学研究中，常用于比较不同测量方法或评估工具之间的一致性。

决策支持：基于一致性分析结果，可以做出更明智的变量选择或方法取舍。

在实践应用中，一致性热图常用于：

心理学和教育学中的测验效度分析

医学诊断方法的比较研究

金融指标的相关性分析

机器学习特征选择前的相关性检查

二，代码演示

这段Python代码首先使用pandas库读取Excel文件数据，并提取预先定义的特定列（CUSTOM_METHOD_COLS中的列名称）组成数据子集。然后通过计算这些列之间的Pearson相关系数生成相关矩阵，这是分析变量间线性关系强度的关键步骤。接着代码创建了一个从浅黄色到深红色的自定义颜色渐变映射（LinearSegmentedColormap），用于直观地表示相关性强弱程度。最后使用seaborn的heatmap函数绘制热力图，设置了包括数值标注（annot=True）、自定义颜色映射（cmap）、单元格边框样式（linewidths和linecolor）以及图形尺寸（figsize）等多个可视化参数，使生成的热图既美观又信息丰富。

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
from matplotlib.colors import LinearSegmentedColormap
import os

# 文件路径
EXCEL_PATH = r'你的excel文件路径'

#定义列
CUSTOM_METHOD_COLS = [
    "列名称1",
    "列名称2",
    "列名称3",
    "列名称4",
    "列名称5"
]

# 定义颜色映射
CUSTOM_COLORS = [
   "#FFEDA0",  
    "#FED976",  # 橙黄
    "#FEB24C",  # 橙
    "#FD8D3C",  # 橙红
    "#FC4E2A",  # 红
    "#E31A1C",  # 深红
    "#B10026"   # 暗红 (最大值)
]

def main():
    try:
        # 读取 Excel
        df = pd.read_excel(EXCEL_PATH)

        # 提取列
        df_subset = df[CUSTOM_METHOD_COLS]

        # Pearson 相关性
        corr_matrix = df_subset.corr(method='pearson')

        # 画图
        custom_cmap = LinearSegmentedColormap.from_list(
            "custom_orange_red", CUSTOM_COLORS, N=256
        )

        plt.figure(figsize=(8, 6))
        sns.heatmap(
            corr_matrix,
            annot=True,
            cmap=custom_cmap,
            linewidths=0.5,
            linecolor="#444444",
            square=True,
            vmin=0,
            vmax=1,
            cbar_kws={"label": "Pearson "}
        )

        # 添加标题与标签
        plt.title("consistent heat map", fontsize=14, pad=20)
        plt.xticks(rotation=45)
        plt.yticks(rotation=0)
        plt.tight_layout()

        # 保存
        output_path = os.path.join(os.getcwd(), 'custom_method_consistency_heatmap.png')
        plt.savefig(output_path, dpi=300, bbox_inches='tight')
        plt.show()

    except Exception as e:
        print(f"worn: {e}")

if __name__ == "__main__":
    main()