matplotlib & seaborn相关性热图

 

1.数据准备

关键一步，使用pandas的corr函数生成相关矩阵。

from string import ascii_letters
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
import palettable

# 生成随机数
rs = np.random.RandomState(33)#类似np.random.seed，即每次括号中的种子33不变，每次可获得相同的随机数
d = pd.DataFrame(data=rs.normal(size=(100, 26)),#normal生成高斯分布的概率密度随机数，需要在变量rs下使用
                 columns=list(ascii_letters[26:]))

# corr函数计算相关性矩阵(correlation matrix)
dcorr = d.corr(method='pearson')#默认为'pearson'检验，可选'kendall','spearman'

 

2、seaborn.heatmap绘制correlation heatmap

vmax设置颜色的阈值，根据数据范围确定

data必须是数值型

cmap colormap样式

annot 图片上显示数字

plt.figure(figsize=(11, 9),dpi=100)
sns.heatmap(data=dcorr,