Python数据分析之绘制相关性热力图的完整教程

前言

文章将介绍如何使用Python中的Pandas和Seaborn库来读取数据、计算相关系数矩阵,并绘制出直观、易于理解的热力图。我们将逐步介绍代码的编写和执行过程,并提供详细的解释和示例,以便读者能够轻松地跟随和理解。

大家记得需要准备以下条件数据:(大家可以看我上一篇文章
  • 确保数据集是干净的,没有缺失值或异常值。
  • 只选择数值型数据列进行相关性分析。
第一步:导入库
python 复制代码
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt
第二步:加载数据
python 复制代码
data = pd.read_excel("result1_1.xlsx")
第三步:数据转换
python 复制代码
data = data.apply(pd.to_numeric, errors='coerce')

这行代码使用pandas的apply方法结合to_numeric函数,将数据框(data frame)data中的每一列尝试转换为数值类型。errors='coerce'参数意味着在转换过程中,如果遇到无法转换为数值的元素,将替换为NaN

第四步:计算相关性矩阵
python 复制代码
correlation_matrix = data.corr()

这行代码计算数据框data中所有列之间的相关系数,并将结果存储在correlation_matrix中。

第五步:绘制热力图
python 复制代码
plt.figure(figsize=(10, 8))
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt='.2f')
plt.title('Correlation Heatmap')
plt.show()

这些代码行设置图表的大小,然后使用seaborn的heatmap函数绘制一个热力图,其中annot=True表示在热力图上显示每个单元格的具体数值,cmap='coolwarm'设置了颜色映射为coolwarm,fmt='.2f'设置了数值的格式为两位小数。最后,设置图表的标题为'Correlation Heatmap',并使用plt.show()显示图表。

第六步:查看效果

整个代码执行后,您将看到一个包含数据列之间相关系数的热力图,这有助于您可视化数据之间的关系!

本篇文章到这里就结束了,大家去试试自己的吧,点赞投币加收藏~

相关推荐
胖达不服输20 分钟前
「日拱一码」020 机器学习——数据处理
人工智能·python·机器学习·数据处理
吴佳浩27 分钟前
Python入门指南-番外-LLM-Fingerprint(大语言模型指纹):从技术视角看AI开源生态的边界与挑战
python·llm·mcp
吴佳浩1 小时前
Python入门指南-AI模型相似性检测方法:技术原理与实现
人工智能·python·llm
liulilittle1 小时前
LinkedList 链表数据结构实现 (OPENPPP2)
开发语言·数据结构·c++·链表
叶 落1 小时前
计算阶梯电费
python·python 基础·python 入门
2401_891957312 小时前
list的一些特性(C++)
开发语言·c++
二十雨辰2 小时前
[尚庭公寓]07-Knife快速入门
java·开发语言·spring
Python大数据分析@2 小时前
Origin、MATLAB、Python 用于科研作图,哪个最好?
开发语言·python·matlab
编程零零七2 小时前
Python巩固训练——第一天练习题
开发语言·python·python基础·python学习·python练习题
我爱Jack2 小时前
时间与空间复杂度详解:算法效率的度量衡
java·开发语言·算法