Python数据可视化：使用Seaborn绘制相关系数热图

本文将教你如何使用Python的Seaborn库创建清晰易懂的相关系数热图，并详细解释每一行代码的含义。

import matplotlib.pyplot as plt
import seaborn as sns

# 1. 创建图表并设置大小
plt.subplots(figsize=(9, 9))  

# 2. 设置图表字体为仿宋
plt.rcParams['font.sans-serif'] = ['FangSong']

# 3. 确保负号显示正常
plt.rcParams['axes.unicode_minus'] = False

# 4. 设置图表标题
plt.title('变量相关系数 - 热图
', fontsize=18)

# 5. 创建热图
sns.heatmap(corr, annot=True, vmax=1, vmin=0, xticklabels=True, yticklabels=True, square=True, cmap='Reds', linewidths=0.05, linecolor='white')

# 6. 显示图表
plt.show()

# 7. 保存图表为png文件
plt.savefig('heatmap.png')

代码解释:

plt.subplots(figsize=(9, 9)): 创建一个9x9英寸的图表。
plt.rcParams['font.sans-serif'] = ['FangSong']: 将图表字体设置为仿宋。
plt.rcParams['axes.unicode_minus'] = False: 确保图表中能够正常显示负号。
plt.title('变量相关系数 - 热图 ', fontsize=18): 设置图表标题为'变量相关系数 - 热图'，并设置字体大小为18。
sns.heatmap(...): 使用Seaborn的heatmap函数创建热图，参数解释如下：
- corr: 相关系数矩阵，作为热图的数据。
- annot=True: 在热图上显示相关系数的数值。
- vmax=1, vmin=0: 设置颜色映射的最大值和最小值，对应相关系数的范围。
- xticklabels=True, yticklabels=True: 显示x轴和y轴的标签。
- square=True: 将热图绘制为正方形。
- cmap='Reds': 使用红色系颜色映射。
- linewidths=0.05: 设置热图单元格之间的线宽。
- linecolor='white': 设置线条颜色为白色。
plt.show(): 显示生成的图表。
plt.savefig('heatmap.png'): 将生成的热图保存为名为 'heatmap.png' 的文件。

通过以上代码，你可以轻松地创建美观且信息丰富的相关系数热图，并将结果保存为图片文件。