Python数据可视化：使用Seaborn绘制相关系数热图

使用Seaborn绘制变量相关系数热图

本文将介绍如何使用Python的Seaborn库生成变量相关系数热图，并提供详细的代码解释。

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. 设置图表标题和字体大小
plt.title('变量相关系数 - 热图
', fontsize=18)

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

# 6. 显示生成的热图
plt.show()

# 7. 保存热图到文件
plt.savefig('heatmap.png')

代码解释：

plt.subplots(figsize=(9, 9)): 创建一个新的 matplotlib 图表对象，并设置图表大小为 9x9 英寸。
plt.rcParams['font.sans-serif'] = ['FangSong']: 将图表字体设置为仿宋。
plt.rcParams['axes.unicode_minus'] = False: 确保负号在图表中显示正常。
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 函数绘制热图，主要参数解释如下：
- corr: 变量相关系数矩阵。
- annot=True: 在热图上显示相关系数的值。
- vmax=1, vmin=0: 设置颜色映射的最大值和最小值，分别为 1 和 0。
- xticklabels=True, yticklabels=True: 显示 x 轴和 y 轴的标签。
- square=True: 将热图的每个单元格设置为正方形。
- cmap='Reds': 使用 'Reds' 颜色映射，颜色越深代表相关性越高。
- linewidths=0.05, linecolor='white': 设置热图单元格边框宽度为 0.05，颜色为白色。
plt.show(): 显示生成的热图。
plt.savefig('heatmap.png'): 将生成的热图保存为名为 'heatmap.png' 的 PNG 图片文件。

通过以上代码，你可以轻松地使用 Python 和 Seaborn 库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。