相关性可视化seaborn
时间: 2025-01-24 07:06:21 浏览: 42
### 使用 Seaborn 进行数据相关性可视化
#### 导入必要的库
为了实现数据的相关性可视化,首先需要导入所需的 Python 库。Seaborn 是基于 Matplotlib 的高级接口,因此也需要一并引入。
```python
import seaborn as sns
import matplotlib.pyplot as plt
import pandas as pd
```
#### 加载数据集
使用内置的数据集作为例子来展示如何操作。这里选用 `iris` 数据集为例:
```python
# 加载示例数据集 iris
data = sns.load_dataset('iris')
print(data.head())
```
#### 计算相关系数矩阵
利用 Pandas 提供的方法可以直接计算各特征间的皮尔逊相关系数,形成一个方阵表示不同字段间的关系强度。
```python
correlation_matrix = data.corr()
print(correlation_matrix)
```
#### 绘制热力图
接下来就是核心部分——绘制热力图。这可以通过调用 Seaborn 中的 `heatmap()` 函数完成,并设置参数来自定义样式。
```python
plt.figure(figsize=(8, 6))
sns.heatmap(
correlation_matrix,
annot=True, # 是否显示数值标签
fmt='.2f', # 数值格式化为两位小数
cmap='coolwarm' # 调色板选择
)
plt.title('Iris Dataset Correlation Heatmap')
plt.show()
```
此段代码会生成一张颜色深浅代表关联程度强弱的地图,其中正负号指示方向(同增/减),绝对值大小反映紧密度[^1]。
对于更复杂的情况,还可以进一步调整图形属性,比如改变字体大小、增加边框等细节优化视觉效果[^4]。
阅读全文
相关推荐

















