python绘制相关系数热力图

Posted 2023-04-06 hence..

python绘制相关系数热力图

• 一.数据说明和需要安装的库
• 二.准备绘图
• 三.设置配色，画出多幅图
• 全部代码：

本文讲述如何利用python绘制如上的相关系数热力图

一.数据说明和需要安装的库

数据是31个省市有关教育的12个指标，如下所示。，在文章最后自取：

需要安装如下库：

pip install pandas
pip install matplotlib
pip install seaborn

我感觉在下面这个python package安装比较好

二.准备绘图

首先导入相关库

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

读取数据

data = pd.read_csv('D:\\P\\数据分析\\相关系数热力图\\教育指标.csv')
df = pd.DataFrame(data)
# print(data)

计算出相关系数并输出，这里选择的是皮尔逊相关系数，当然你也可以选择其他相关系数，有关其他相关系数可以参考这篇文章

cor = data.corr(method='pearson')
print(cor)  # 输出相关系数

因为我这里有中文，所以需要进行下面的设置。我这里设置为黑体，当然你也可以选择其他字体

rc = 'font.sans-serif': 'SimHei',
      'axes.unicode_minus': False
sns.set(font_scale=0.7,rc=rc)  # 设置字体大小

好了，开始绘图啦：

sns.heatmap(cor,
            annot=True,  # 显示相关系数的数据
            center=0.5,  # 居中
            fmt='.2f',  # 只显示两位小数
            linewidth=0.5,  # 设置每个单元格的距离
            linecolor='blue',  # 设置间距线的颜色
            vmin=0, vmax=1,  # 设置数值最小值和最大值
            xticklabels=True, yticklabels=True,  # 显示x轴和y轴
            square=True,  # 每个方格都是正方形
            cbar=True,  # 绘制颜色条
            cmap='coolwarm_r',  # 设置热力图颜色
            )
plt.savefig("我是废强热力图.png",dpi=600)#保存图片，分辨率为600
plt.ion() #显示图片

三.设置配色，画出多幅图

由于这里的配色是在是有太多太多,所以不打算一个个手动更换，因此我们可以使用循环语句

cmap='coolwarm_r'#在这里更换颜色

colors=“Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r,RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r,gist_yarg, gist_yarg_r, gnuplot, gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r,hsv, hsv_r, icefire,icefire_r, inferno,inferno_r, jet, jet_r, magma, magma_r, mako, mako_r, nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, rocket, rocket_r, seismic, seismic_r, spring, spring_r, summer, summer_r, tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r, terrain, terrain_r, twilight, twilight_r, twilight_shifted, twilight_shifted_r, viridis, viridis_r, vlag, vlag_r, winter, winter_r”

代码循环画图：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

data = pd.read_csv('D:\\P\\数据分析\\相关系数热力图\\教育指标.csv')
df = pd.DataFrame(data)
# print(data)
################################一行一行读取数据
# for i in range(len(data)):
#     document=df[i:i+1]
#     print(document,'\\n')
################################
# 首先计算出相关系数
cor = data.corr(method='pearson')
print(cor)  # 输出相关系数
rc = 'font.sans-serif': 'SimHei',
      'axes.unicode_minus': False
sns.set(font_scale=0.7,rc=rc)  # 设置字体大小
#设置热力图颜色配色
colors="Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r,RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r,gist_yarg, gist_yarg_r, gnuplot, gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r,hsv, hsv_r, icefire,icefire_r, inferno,inferno_r, jet, jet_r, magma, magma_r, mako, mako_r, nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, rocket, rocket_r, seismic, seismic_r, spring, spring_r, summer, summer_r, tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r, terrain, terrain_r, twilight, twilight_r, twilight_shifted, twilight_shifted_r, viridis, viridis_r, vlag, vlag_r, winter, winter_r"
color=colors.split(',')
for i in color:
    i=i.strip()
    print(i)
    sns.heatmap(cor,
                annot=True,  # 显示相关系数的数据
                center=0.5,  # 居中
                fmt='.2f',  # 只显示两位小数
                linewidth=0.5,  # 设置每个单元格的距离
                linecolor='blue',  # 设置间距线的颜色
                vmin=0, vmax=1,  # 设置数值最小值和最大值
                xticklabels=True, yticklabels=True,  # 显示x轴和y轴
                square=True,  # 每个方格都是正方形
                cbar=True,  # 绘制颜色条
                cmap=f'i',  # 设置热力图颜色
                )
    plt.savefig('图片\\\\'+f"我是废强热力图颜色i.png", dpi=600)  # 保存图片，分辨率为600
    plt.ion()  # 显示图片,这个可以方便后面自动关闭
    plt.pause(0.5)
    plt.close()#关闭图片

全部代码：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

data = pd.read_csv('D:\\P\\数据分析\\相关系数热力图\\教育指标.csv')
df = pd.DataFrame(data)
# print(data)
################################一行一行读取数据
# for i in range(len(data)):
#     document=df[i:i+1]
#     print(document,'\\n')
################################
# 首先计算出相关系数
cor = data.corr(method='pearson')
print(cor)  # 输出相关系数
rc = 'font.sans-serif': 'SimHei',
      'axes.unicode_minus': False
sns.set(font_scale=0.7, rc=rc)  # 设置字体大小
sns.heatmap(cor,
            annot=True,  # 显示相关系数的数据
            center=0.5,  # 居中
            fmt='.2f',  # 只显示两位小数
            linewidth=0.5,  # 设置每个单元格的距离
            linecolor='blue',  # 设置间距线的颜色
            vmin=0, vmax=1,  # 设置数值最小值和最大值
            xticklabels=True, yticklabels=True,  # 显示x轴和y轴
            square=True,  # 每个方格都是正方形
            cbar=True,  # 绘制颜色条
            cmap='coolwarm_r',  # 设置热力图颜色
            )
plt.savefig("我是废强热力图.png", dpi=600)  # 保存图片，分辨率为600
plt.ion()  # 显示图片
plt.close('all')  # 关闭图片
# 设置热力图颜色配色
colors = "Accent, Accent_r, Blues, Blues_r, BrBG, BrBG_r, BuGn, BuGn_r, BuPu, BuPu_r, CMRmap, CMRmap_r, Dark2, Dark2_r, GnBu, GnBu_r, Greens, Greens_r, Greys, Greys_r, OrRd, OrRd_r, Oranges, Oranges_r, PRGn, PRGn_r, Paired, Paired_r, Pastel1, Pastel1_r, Pastel2, Pastel2_r, PiYG, PiYG_r, PuBu, PuBuGn, PuBuGn_r, PuBu_r, PuOr, PuOr_r, PuRd, PuRd_r, Purples, Purples_r, RdBu, RdBu_r, RdGy, RdGy_r, RdPu, RdPu_r,RdYlBu, RdYlBu_r, RdYlGn, RdYlGn_r, Reds, Reds_r, Set1, Set1_r, Set2, Set2_r, Set3, Set3_r, Spectral, Spectral_r, Wistia, Wistia_r, YlGn, YlGnBu, YlGnBu_r, YlGn_r, YlOrBr, YlOrBr_r, YlOrRd, YlOrRd_r, afmhot, afmhot_r, autumn, autumn_r, binary, binary_r, bone, bone_r, brg, brg_r, bwr, bwr_r, cividis, cividis_r, cool, cool_r, coolwarm, coolwarm_r, copper, copper_r, cubehelix, cubehelix_r, flag, flag_r, gist_earth, gist_earth_r, gist_gray, gist_gray_r, gist_heat, gist_heat_r, gist_ncar, gist_ncar_r, gist_rainbow, gist_rainbow_r, gist_stern, gist_stern_r,gist_yarg, gist_yarg_r, gnuplot, gnuplot2, gnuplot2_r, gnuplot_r, gray, gray_r, hot, hot_r,hsv, hsv_r, icefire,icefire_r, inferno,inferno_r, jet, jet_r, magma, magma_r, mako, mako_r, nipy_spectral, nipy_spectral_r, ocean, ocean_r, pink, pink_r, plasma, plasma_r, prism, prism_r, rainbow, rainbow_r, rocket, rocket_r, seismic, seismic_r, spring, spring_r, summer, summer_r, tab10, tab10_r, tab20, tab20_r, tab20b, tab20b_r, tab20c, tab20c_r, terrain, terrain_r, twilight, twilight_r, twilight_shifted, twilight_shifted_r, viridis, viridis_r, vlag, vlag_r, winter, winter_r"
color = colors.split(',')
for i in color:
    i = i.strip()
    print(i)
    sns.heatmap(cor,
                annot=True,  # 显示相关系数的数据
                center=0.5,  # 居中
                fmt='.2f',  # 只显示两位小数
                linewidth=0.5,  # 设置每个单元格的距离
                linecolor='blue',  # 设置间距线的颜色
                vmin=0, vmax=1,  # 设置数值最小值和最大值
                xticklabels=True, yticklabels=True,  # 显示x轴和y轴
                square=True,  # 每个方格都是正方形
                cbar=True,  # 绘制颜色条
                cmap=f'i',  # 设置热力图颜色
                )
    plt.savefig('图片\\\\' + f"我是废强热力图颜色i.png", dpi=600)  # 保存图片，分辨率为600
    plt.ion()  # 显示图片,这个可以方便后面自动关闭
    plt.pause(0.5)
    plt.close()  # 关闭图片

最后：数据链接：，直接点击链接，或复制网址，有提取码
链接：https://pan.baidu.com/s/1qcfw5TUh0c4C6igoipmdGA?pwd=5fii
提取码：5fii
参考链接

https://mp.weixin.qq.com/s/shQOmqR0JXkp_pGCfLuCPA

seaborn clustermap详解及绘制

seaborn clustermap详解及绘制

 

seaborn提供了一个叫作clustermap的功能，除了可以采用热力图对相关系数进行可视化，还可以对变量根据相关系数进行聚类，即发现热力图数据的结构（Discovering structure in heatmap data）。

 

在clustermap函数里面其实是使用了heatmap的，但是加上了聚类功能，使得其绘制出来的热图具有横向样本(sample)和纵向基因(gene)的聚类功能，更符合生物信息学分析的要求。

 

# features_X_train, features_X_test, target_train, target_test

culster_pd = pd.DataFrame()
train_pd = pd.concat([features.iloc[features_X_train.index],target_train],axis = 1)
train_pd[\'trainornot\'] = \'train\'

test_pd = pd.concat([fe