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。
Summary涉及到分类问题,我们经常需要通过可视化混淆矩阵来分析实验结果进而得出调参思路,本文介绍如何利用python绘制混淆矩阵(confusion_mat
前言之前我们分享过用Python进行可视化的9种常见方式。其实我们还能让可视化图形逼格更高一些,今天就分享一下如何让可视化秀起来:用Python和matplot
基于python代码的3D地图可视化,供大家参考,具体内容如下介绍使用Python对地图进行3D可视化。以地图为地图,可以在三维空间对轨迹、点进行可视化。库我们
1.导入库importnumpyasnp#矩阵运算importmatplotlib.pyplotasplt#可视化importrandom#产生数据扰动2.产生
本文实例为大家分享了python实现石头剪刀布的具体代码,供大家参考,具体内容如下老师布置了一个石头剪刀布的作业,要可视化,还是先用代码实现再说可视化的事。环境