Python Seaborn热力图可视化相关性矩阵与协方差矩阵详解
发布时间：2026-10-13| 4人浏览过
本文介绍如何使用Python的Seaborn库绘制热力图，可视化数据的相关性矩阵与协方差矩阵。通过pandas.DataFrame.corr()计算相关系数，利用numpy.cov()计算协方差，并结合mask参数展示对角矩阵形式。文章包含完整代码示例，涵盖从数据生成、矩阵计算到热力图绘制的完整流程，同时简要提及Excel中的实现方式，帮助读者快速掌握数据相关性可视化的技巧。
使用Seaborn绘制相关性矩阵热力图
方法
import pandas as pd
import numpy as np
import seaborn as sns
df = pd.DataFrame(np.random.randn(50).reshape(10,5))
corr = df.corr()
sns.heatmap(corr, cmap='Blues', annot=True)
将矩阵型简化为对角矩阵型：
简化为对角矩阵可视化
mask = np.zeros_like(corr)
mask[np.tril_indices_from(mask)] = True
sns.heatmap(corr, cmap='Blues', annot=True, mask=mask.T)
相关矩阵与协方差矩阵基础
补充知识：Python【相关矩阵】和【协方差矩阵】
相关系数矩阵
pandas.DataFrame(数据).corr()
相关性矩阵计算与可视化
import pandas as pd
df = pd.DataFrame({
'a': [11, 22, 33, 44, 55, 66, 77, 88, 99],
'b': [10, 24, 30, 48, 50, 72, 70, 96, 90],
'c': [91, 79, 72, 58, 53, 47, 34, 16, 10],
'd': [99, 10, 98, 10, 17, 10, 77, 89, 10]})
df_corr = df.corr()
# 可视化
import matplotlib.pyplot as mp, seaborn
seaborn.heatmap(df_corr, center=0, annot=True, cmap='YlGnBu')
mp.show()
协方差矩阵
numpy.cov(数据)
协方差矩阵计算与可视化
import numpy as np
matric = [
[11, 22, 33, 44, 55, 66, 77, 88, 99],
[10, 24, 30, 48, 50, 72, 70, 96, 90],
[91, 79, 72, 58, 53, 47, 34, 16, 10],
[55, 20, 98, 19, 17, 10, 77, 89, 14]]
covariance_matrix = np.cov(matric)
# 可视化
print(covariance_matrix)
import matplotlib.pyplot as mp, seaborn
seaborn.heatmap(covariance_matrix, center=0, annot=True, xticklabels=list('abcd'), yticklabels=list('ABCD'))
mp.show()
补充
协方差
相关系数
Excel中的相关系数计算
EXCEL也能做
CORREL函数
以上这篇python seaborn heatmap可视化相关性矩阵实例就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持本站。
免责声明：本文内容仅供参考，不代表本站观点。转载或引用请注明出处。
