欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

python seaborn heatmap可視化相關性矩陣實例

 更新時間：2020年06月03日 14:42:37   作者：故園稻香  
這篇文章主要介紹了python seaborn heatmap可視化相關性矩陣實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧

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)

將矩陣型簡化為對角矩陣型：

mask = np.zeros_like(corr)
mask[np.tril_indices_from(mask)] = True
sns.heatmap(corr, cmap='Blues', annot=True, mask=mask.T)

補充知識：Python【相關矩陣】和【協(xié)方差矩陣】

相關系數(shù)矩陣

pandas.DataFrame(數(shù)據(jù)).corr()

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()
# 可視化
import matplotlib.pyplot as mp, seaborn
seaborn.heatmap(df_corr, center=0, annot=True, cmap='YlGnBu')
mp.show()

協(xié)方差矩陣

numpy.cov(數(shù)據(jù))

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)
# 可視化
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()

補充

協(xié)方差

相關系數(shù)

EXCEL也能做

CORREL函數(shù)

以上這篇python seaborn heatmap可視化相關性矩陣實例就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。

相關文章

最新評論