相关图
导入所需要的库
import numpy as np # 导入numpy库 import pandas as pd # 导入pandas库 import matplotlib as mpl # 导入matplotlib库 import matplotlib.pyplot as plt import seaborn as sns # 导入seaborn库 %matplotlib inline # 在jupyter notebook显示图像
设定图像各种属性
large = 22; med = 16; small = 12 params = {'axes.titlesize': large, # 设置子图上的标题字体 'legend.fontsize': med, # 设置图例的字体 'figure.figsize': (16, 10), # 设置图像的画布 'axes.labelsize': med, # 设置标签的字体 'xtick.labelsize': med, # 设置x轴上的标尺的字体 'ytick.labelsize': med, # 设置整个画布的标题字体 'figure.titlesize': large} plt.rcParams.update(params) # 更新默认属性 plt.style.use('seaborn-whitegrid') # 设定整体风格 sns.set_style("white") # 设定整体背景风格
程序代码
# step1:导入数据
df = pd.read_csv("https://github.com/selva86/datasets/raw/master/mtcars.csv")
# step2:绘制热力图
# 画布 plt.figure(figsize = (12, 10), # 画布尺寸 dpi = 80) # 分辨率 #热力图 sns.heatmap(df.corr(), # 相关性矩阵数据集 xticklabels = df.corr().columns, # 横轴标签 yticklabels = df.corr().columns, # 纵轴标签 cmap = 'RdYlGn', # 色谱(调色板) center = 0, # 将数据设置为图例中的均值数据，即图例中心的数据值 annot = True) # annot默认为False，当annot为True时，在heatmap中每个方格写入数据
# step3:图像装饰
# 设置标题和字体 plt.title('Correlogram of mtcars' # 设置标题 , fontsize = 22) # 设置标题的尺寸 plt.xticks(fontsize = 12) # 设置横坐标标尺字体尺寸 plt.yticks(fontsize = 12) # 设置横坐标标尺字体尺寸 plt.show()
博文总结
DataFrame.corr(method='pearson', min_periods=1)
参数说明：
method：可选值为{‘pearson’, ‘kendall’, ‘spearman’}
pearson：Pearson相关系数来衡量两个数据集合是否在一条线上面，即针对线性数据的相关系数计算，针对非线性 数据便会有误差。
kendall：用于反映分类变量相关性的指标，即针对无序序列的相关系数，非正太分布的数据
spearman：非线性的，非正太分析的数据的相关系数
min_periods：样本最少的数据量
返回值：各类型之间的相关系数DataFrame表格。
seaborn.heatmap
https://www.cntofu.com/book/172/docs/30.md
seaborn.heatmap(data, vmin=None, vmax=None, cmap=None,
center=None, robust=False, annot=None, fmt='.2g', annot_kws=None,
linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square=False,
xticklabels='auto', yticklabels='auto', mask=None, ax=None, **kwargs)
将矩形数据绘制为颜色编码矩阵。
这是一个坐标轴级的函数，如果没有提供给ax参数，它会将热力图绘制到当前活动的轴中。除非cbar为False或为cbar_ax提供单独的Axes，否则将使用此轴空间的一部分绘制颜色图。
参数：data：矩形数据集
可以强制转换为ndarray格式数据的2维数据集。如果提供了Pandas DataFrame数据，索引/列信息将用于标记列和行。
vmin, vmax：浮点型数据，可选参数。
用于锚定色彩映射的值，否则它们是从数据和其他关键字参数推断出来的。
cmap：matplotlib 颜色条名称或者对象，或者是颜色列表，可选参数。
从数据值到颜色空间的映射。 如果没有提供，默认值将取决于是否设置了“center”。
center：浮点数，可选参数。
绘制有色数据时将色彩映射居中的值。 如果没有指定，则使用此参数将更改默认的
cmap。
robust：布尔值，可选参数。
如果是True，并且
vmin或vmax为空，则使用稳健分位数而不是极值来计算色彩映射范围。
annot:布尔值或者矩形数据，可选参数。
如果为True，则在每个热力图单元格中写入数据值。 如果数组的形状与
data相同，则使用它来代替原始数据注释热力图。
fmt：字符串，可选参数。
添加注释时要使用的字符串格式代码。
annot_kws：字典或者键值对，可选参数。
当
annot为True时，ax.text的关键字参数。
linewidths：浮点数，可选参数。
划分每个单元格的行的宽度。
linecolor：颜色，可选参数
划分每个单元的线条的颜色。
cbar：布尔值，可选参数。
描述是否绘制颜色条。
cbar_kws：字典或者键值对，可选参数。
fig.colorbar的关键字参数。
cbar_ax：matplotlib Axes，可选参数。
用于绘制颜色条的轴，否则从主轴获取。
square：布尔值，可选参数。
如果为True，则将坐标轴方向设置为“equal”，以使每个单元格为方形。
xticklabels, yticklabels：“auto”，布尔值，类列表值，或者整形数值，可选参数。
如果为True，则绘制数据框的列名称。如果为False，则不绘制列名称。如果是列表，则将这些替代标签绘制为xticklabels。如果是整数，则使用列名称，但仅绘制每个n标签。如果是“auto”，将尝试密集绘制不重叠的标签。
mask：布尔数组或者DataFrame数据，可选参数。
如果为空值，数据将不会显示在
mask为True的单元格中。 具有缺失值的单元格将自动被屏蔽。
ax：matplotlib Axes，可选参数。
绘制图的坐标轴，否则使用当前活动的坐标轴。
kwargs：其他关键字参数。
所有其他关键字参数都传递给
ax.pcolormesh。
返回值：ax：matplotlib Axes