方法import pandas as pd

import numpy as np

import seaborn as sns

df = pd.DataFrame(np.random.randn(50).reshape(10,5))

corr = df.corr()

sns.heatmap(corr, cmap='Blues', annot=True)

將矩陣型簡化為對角矩陣型：mask = np.zeros_like(corr)

mask[np.tril_indices_from(mask)] = True

sns.heatmap(corr, cmap='Blues', annot=True, mask=mask.T)

補充知識：Python【相關矩陣】和【協方差矩陣】

相關系數矩陣

pandas.DataFrame(數據).corr()import pandas as pd

df = 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()

# 可視化

import matplotlib.pyplot as mp, seaborn

seaborn.heatmap(df_corr, center=0, annot=True, cmap='YlGnBu')

mp.show()

協方差矩陣

numpy.cov(數據)import numpy as np

matric = [

[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)

# 可視化

print(covariance_matrix)

import matplotlib.pyplot as mp, seaborn

seaborn.heatmap(covariance_matrix, center=0, annot=True, xticklabels=list('abcd'), yticklabels=list('ABCD'))

mp.show()

補充

協方差

相關系數

EXCEL也能做

CORREL函數

以上這篇python seaborn heatmap可視化相關性矩陣實例就是小編分享給大家的全部內容了，希望能給大家一個參考。

總結

以上是生活随笔為你收集整理的python绘制相关性矩阵_python seaborn heatmap可视化相关性矩阵实例的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。