首页相关性分析热力图可视化python代码

相关性分析热力图可视化python代码

时间: 2025-07-01 09:00:34 浏览: 14

### 实现相关性分析热力图可视化为了展示如何使用 Python 进行相关性分析并绘制热力图，下面提供了一个完整的代码示例。这段代码不仅涵盖了数据准备阶段，还展示了如何通过 `seaborn` 库中的 `heatmap()` 方法来呈现数据间的关联程度。 #### 导入必要的库首先需要导入用于数据分析和可视化的几个重要库： ```python import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt ``` #### 创建样本数据集这里构建一个简单的 DataFrame 作为例子，实际应用时应替换为真实的数据源： ```python # 构建模拟数据集 np.random.seed(0) data = { 'A': np.random.randn(100), 'B': np.random.rand(100) * 10, 'C': np.random.randint(0, 50, size=100), 'D': np.random.uniform(low=-1., high=1., size=100) } df = pd.DataFrame(data) print(df.head()) ``` #### 计算相关性矩阵接着计算各变量间的关系强度，形成一个方阵形式的相关性表： ```python correlation_matrix = df.corr() print(correlation_matrix) ``` #### 绘制热力图最后一步就是调用 `sns.heatmap()` 函数来渲染图像，并设置一些参数让图形更加美观易读： ```python plt.figure(figsize=(10, 8)) sns.heatmap( correlation_matrix, annot=True, # 显示具体数值 cmap='coolwarm', # 色彩映射方案 fmt='.2f' # 数字格式化方式 ) plt.title('Correlation Heatmap') plt.show() ``` 上述流程清晰地说明了从获取数据到最终生成热力图的过程[^5]。

阅读全文