python seaborn heatmap可视化相关性矩阵实例

时间:2021-05-22

方法

import pandas as pdimport numpy as npimport seaborn as snsdf = pd.DataFrame(np.random.randn(50).reshape(10,5))corr = df.corr()sns.heatmap(corr, cmap='Blues', annot=True)

将矩阵型简化为对角矩阵型:

mask = np.zeros_like(corr)mask[np.tril_indices_from(mask)] = Truesns.heatmap(corr, cmap='Blues', annot=True, mask=mask.T)

补充知识:Python【相关矩阵】和【协方差矩阵】

相关系数矩阵

pandas.DataFrame(数据).corr()

import pandas as pddf = pd.DataFrame({ 'a': [11, 22, 33, 44, 55, 66, 77, 88, 99], 'b': [10, 24, 30, 48, 50, 72, 70, 96, 90], 'c': [91, 79, 72, 58, 53, 47, 34, 16, 10], 'd': [99, 10, 98, 10, 17, 10, 77, 89, 10]})df_corr = df.corr()# 可视化import matplotlib.pyplot as mp, seabornseaborn.heatmap(df_corr, center=0, annot=True, cmap='YlGnBu')mp.show()

协方差矩阵

numpy.cov(数据)

import numpy as npmatric = [ [11, 22, 33, 44, 55, 66, 77, 88, 99], [10, 24, 30, 48, 50, 72, 70, 96, 90], [91, 79, 72, 58, 53, 47, 34, 16, 10], [55, 20, 98, 19, 17, 10, 77, 89, 14]]covariance_matrix = np.cov(matric)# 可视化print(covariance_matrix)import matplotlib.pyplot as mp, seabornseaborn.heatmap(covariance_matrix, center=0, annot=True, xticklabels=list('abcd'), yticklabels=list('ABCD'))mp.show()

补充

协方差

相关系数

EXCEL也能做

CORREL函数

以上这篇python seaborn heatmap可视化相关性矩阵实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持。

声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。

相关文章