拓展-相关矩阵图

1.导入相关库

1 import numpy as np
2 import pandas as pd
3 import seaborn as sns
4 import matplotlib.pyplot as plt
5 %matplotlib inline
6 ​
7 plt.rcParams['font.sans-serif']=['Simhei']
8 plt.rcParams['axes.unicode_minus']=False

 

1 np.__version__

 　　'1.19.1'

 

2.相关矩阵图

相关矩阵图的目的是探索两个事物之间的关系。实际应用中，我们常常需要探索多个变量的两两之间的相关性。

相关系数：绝对值越接近1，相关性越强，1指的是完全正相关，-1指的是完全负相关，0表示完全无关

1 plt.style.use('seaborn-whitegrid')
2 sns.set_style('white')
3 xg_data = pd.read_excel('可视化图表案例数据.xlsx',sheet_name='相关矩阵图')
4 xg_data.head(3)

 

​
 Unnamed: 0英里/加仑气缸数量排量总马力驱动轴比重量1/4英里所用时间引擎变速器前进档数化油器数量
0 Mazda RX4 21.0 6 160.0 110 3.90 2.620 16.46 0 1 4 4
1 Mazda RX4 Wag 21.0 6 160.0 110 3.90 2.875 17.02 0 1 4 4
2 Datsun 710 22.8 4 108.0 93 3.85 2.320 18.61 1 1 4 1
​

 

 

实现相关性矩阵

1 chuli_data = xg_data.corr()
2 chuli_data.shape

　　(11, 11)

 

1 np.zeros((11,11))
array([[0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.],
       [0., 0., 0., 0., 0., 0., 0., 0., 0., 0., 0.]])

 

 1 plt.rcParams['font.sans-serif']=['Simhei']
 2 plt.rcParams['axes.unicode_minus']=False
 3 
 4 plt.figure(figsize=(14,10))
 5 
 6 sns.heatmap(chuli_data, #相关性矩阵所需要的数据
 7            #xticklabels=chuli_data.columns, #横坐标标签
 8            #yticklabels=chuli_data.columns, #纵坐标标签
 9            cmap='coolwarm', #使用的光谱
10            center = 0, #cneter：数据的中值，越靠近两端的值，颜色越接近于对应设定值
11            annot=True)
12 
13 plt.title('correlation',fontsize=24)
14 
15 plt.xticks(fontsize=12)
16 plt.yticks(fontsize=12)
17 
18 plt.show()

 

 

 

posted @ 2020-09-20 15:31  小石小石摩西摩西  阅读(1061)  评论(0)  编辑  收藏  举报