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
databook1 天前
Manim实现脉冲闪烁特效
后端·python·动效
程序设计实验室1 天前
2025年了,在 Django 之外,Python Web 框架还能怎么选?
python
倔强青铜三1 天前
苦练Python第46天:文件写入与上下文管理器
人工智能·python·面试
用户2519162427111 天前
Python之语言特点
python
刘立军1 天前
使用pyHugeGraph查询HugeGraph图数据
python·graphql
数据智能老司机1 天前
精通 Python 设计模式——创建型设计模式
python·设计模式·架构
数据智能老司机1 天前
精通 Python 设计模式——SOLID 原则
python·设计模式·架构
c8i1 天前
django中的FBV 和 CBV
python·django
c8i1 天前
python中的闭包和装饰器
python
这里有鱼汤2 天前
小白必看:QMT里的miniQMT入门教程
后端·python