首页斯皮尔曼相关性热力图Python代码

斯皮尔曼相关性热力图Python代码

时间: 2025-01-11 15:53:32 浏览: 59

### 斯皮尔曼相关性热力图的Python代码示例为了创建斯皮尔曼相关性的热力图，可以利用`pandas`库读取数据并计算斯皮尔曼相关系数矩阵，再借助`seaborn`库中的heatmap函数实现可视化。下面是一段完整的代码示例： ```python import pandas as pd import seaborn as sns import matplotlib.pyplot as plt from scipy.stats import spearmanr # 创建样本DataFrame或加载实际的数据集 data = { 'A': [1, 2, 3, 4], 'B': [4, 3, 2, 1], 'C': [2, 3, 4, 5] } df = pd.DataFrame(data) # 计算Spearman相关系数矩阵 corr_matrix, _ = spearmanr(df) spearman_corr_df = pd.DataFrame(corr_matrix, index=df.columns, columns=df.columns) # 绘制热力图 plt.figure(figsize=(8, 6)) sns.heatmap(spearman_corr_df, annot=True, cmap='coolwarm', fmt='.2f') plt.title('Spearman Correlation Heatmap') plt.show() ``` 这段代码首先导入必要的库，并定义了一个简单的字典作为示例数据源；接着转换成Pandas DataFrame对象以便后续操作[^3]。随后调用了SciPy库下的`spearmanr()`方法来获取给定数据框各列间的斯皮尔曼等级相关系数及其对应的p值，这里只保留了相关系数部分用于展示。最后一步则是设置图形大小并通过Seaborn库画出了带有数值标注的颜色渐变方格图表——即所谓的“热力图”，其中颜色深浅反映了不同特征间关联程度的强弱关系。

阅读全文