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 pltdata = 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600plt.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 pltdata = 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600plt.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

python绘制相关系数热力图相关推荐

【python】python绘制相关性热力图
1.介绍热力图(heatmap),又称相关系数图,根据热力图中不同方块颜色对应的相关系数的大小,可以判断出变量之间相关性的大小.热力图通过对色块着色来显示数据的统计图表.绘图时,需指定颜色映射的 ...
matlab如何绘制相关系数热力图,相关系数矩阵与热力图heatmap
相关系数矩阵与热力图heatmap import numpy as np import pandas as pd import matplotlib.pyplot as plt import seab ...
python热力图背景_python 绘制场景热力图的示例
我们在做诸如人群密集度等可视化的时候,可能会考虑使用热力图,在Python中能很方便地绘制热力图. 下面以识别图片中的行人,并绘制热力图为例进行讲解. 步骤1:首先识别图像中的人,得到bounding ...
python根据经纬度画热力图_python 绘制场景热力图的示例
我们在做诸如人群密集度等可视化的时候,可能会考虑使用热力图,在Python中能很方便地绘制热力图. 下面以识别图片中的行人,并绘制热力图为例进行讲解. 步骤1:首先识别图像中的人,得到bounding ...
python相关系数热力图_python绘制热力图heatmap
本文实例为大家分享了python绘制热力图的具体代码,供大家参考,具体内容如下 python的热力图是用皮尔逊相关系数来查看两者之间的关联性. #encoding:utf-8 import numpy ...
可视化篇（五）——— python绘制热力图及案例
可视化篇(五)--- python绘制热力图及案例摘要效果图 python代码摘要本文演示了如何通过python绘制热力图,并给出了其应用于展示数据之间相关性的案例供读者参考. 效果图 pyt ...
Python利用单行热力图绘制好看的风向风速
Python利用单行热力图绘制好看的风向风速导入所需支持库先画单行热力图表示风速设置画布设置风速数据设置色板利用seaborn绘制热力图画风向箭头换箭头函数导入风向数据导入计算坐标 ...
Python 绘制热力图
Python绘制热力图 reference 目标:绘制如下的 hotmap 或者 density-map ,把坐标和hot-value或者density-value替换为自己的数据,稍微改进就可以绘制 ...
用Python绘制北京近一年来空气质量热力图，看看北京的沙尘暴真的多吗？
3月15日北京迎来了近6年来的首次沙尘暴,是被迫吃土的一天!!上次沙尘暴出现还是在2015年4月15日. 记得早上起床,打开手机看到好多盆友发来的询问关怀"听说北京沙尘暴了,注意安全哦&qu ...

python绘制相关系数热力图