Python数据可视化：使用Seaborn绘制相关系数热图

在数据分析中，了解变量之间的关系至关重要。相关系数热图提供了一种直观的方式来展示这些关系。本文将介绍如何使用Python的Seaborn库创建相关系数热图，并详细解释代码的含义。

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. 设置中文字体
plt.rcParams['font.sans-serif'] = ['SimHei']  # 使用系统默认字体，如果需要使用其他字体，请替换'SimHei'

# 3. 显示负号
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. 生成热图
sns.heatmap(corr, annot=True, vmax=1, vmin=-1, xticklabels=True, yticklabels=True, 
            square=True, cmap='Reds', linewidths=0.05, linecolor='white')

# 6. 保存生成的热图
plt.savefig('heatmap.png')

# 7. 显示图表
plt.show()

代码解释：

plt.subplots(figsize=(9, 9)): 创建一个新的图表，并设置大小为 9x9 英寸。
plt.rcParams['font.sans-serif'] = ['SimHei']: 设置图表中使用的字体为 'SimHei'，以便正确显示中文。如果需要使用其他中文字体，请将 'SimHei' 替换为相应的字体名称。
plt.rcParams['axes.unicode_minus'] = False: 确保负号能够正确显示。
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库的heatmap函数创建热图。
- corr: 相关系数矩阵，表示变量之间的相关性。
- annot=True: 在热图上显示数值，即相关系数的值。
- vmax=1, vmin=-1: 设置颜色映射的最大值和最小值，这里设置为 1 和 -1，表示相关系数的范围。
- xticklabels=True, yticklabels=True: 显示 x 轴和 y 轴的标签。
- square=True: 将热图显示为正方形。
- cmap='Reds': 使用红色调色板。
- linewidths=0.05, linecolor='white': 设置热图中每个方块的边框宽度和颜色，这里设置为白色边框，宽度为 0.05。
plt.savefig('heatmap.png'): 将生成的热图保存为名为 'heatmap.png' 的图片文件。请确保在调用plt.show()之前调用此行代码，以便将生成的热图保存到文件中。
plt.show(): 显示图表。

通过以上步骤，您可以使用Python的Seaborn库创建美观且信息丰富的相关系数热图，从而更好地理解数据中变量之间的关系。