python 相关系数矩阵可视化_python seaborn heatmap可视化相关性矩阵实例
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)
将矩阵型简化为对角矩阵型:
mask = np.zeros_like(corr)
mask[np.tril_indices_from(mask)] = True
sns.heatmap(corr, cmap='Blues', annot=True, mask=mask.T)
补充知识:Python【相关矩阵】和【协方差矩阵】
相关系数矩阵
pandas.DataFrame(数据).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()
# 可视化
import matplotlib.pyplot as mp, seaborn
seaborn.heatmap(df_corr, center=0, annot=True, cmap='YlGnBu')
mp.show()
协方差矩阵
numpy.cov(数据)
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)
# 可视化
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()
补充
协方差
相关系数
EXCEL也能做
CORREL函数
以上这篇python seaborn heatmap可视化相关性矩阵实例就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持python博客。
python 相关系数矩阵可视化_python seaborn heatmap可视化相关性矩阵实例相关推荐
- python绘制相关性矩阵_python seaborn heatmap可视化相关性矩阵实例
方法import pandas as pd import numpy as np import seaborn as sns df = pd.DataFrame(np.random.randn(50) ...
- python seaborn heatmap可视化相关性矩阵
python seaborn heatmap可视化相关性矩阵 方法 方法 import pandas as pd import numpy as np import seaborn as sns df ...
- Python相关系数矩阵热力图(二)
上面图片通过下面代码实现 同时 df 内部的数据是: A B 0 0.180270 0.019475 1 0.463219 0.724934 2 0.420204 0.485427 由于我设置了随机数 ...
- python 相关系数矩阵_期望,方差,协方差,相关系数,协方差矩阵,相关系数矩阵,以及numpy实现...
1. 期望 2. 方差 3. 协方差和相关系数 协方差(或者相关系数)如果是正的,表明X和Y之间同时增加或减小:如果是负的,表明X和Y之间有一个增加而另一个减小:如果它的值为0,则表明X和Y之间是独立 ...
- python 求系数矩阵,关于numpy:python-如何在数据矩阵中使用nans计算相关矩阵
我找不到能为数据中存在NaN的数组计算相关系数矩阵的函数,该数组包含两个以上变量的观测值.有一些函数可以对成对的变量(或者只是使用?is.nan()掩盖数组).但是通过遍历大量变量来使用这些功能,计算 ...
- python线性回归算法简介_Python实现的简单线性回归算法实例分析
本文实例讲述了Python实现的简单线性回归算法.分享给大家供大家参考,具体如下: 用python实现R的线性模型(lm)中一元线性回归的简单方法,使用R的women示例数据,R的运行结果: > ...
- python查询oracle数据库_python针对Oracle常见查询操作实例分析
本文实例讲述了python针对Oracle常见查询操作.分享给大家供大家参考,具体如下: 1.子查询(难): 当进行查询的时候,发现需要的数据信息不明确,需要先通过另一个查询得到, 此查询称为子查询: ...
- python异步查询数据库_Python中使用aiomysql异步操作MySQL实例效果
Python异步操作MySQL示例[使用aiomysql] 本文实例讲述了Python异步操作MySQL.分享给大家供大家参考,具体如下: 安装aiomysql 依赖 Python3.4+ async ...
- python如何读取mat文件可视化_python Matplotlib数据可视化(1):简单入门
1 matplot入门指南 matplotlib是Python科学计算中使用最多的一个可视化库,功能丰富,提供了非常多的可视化方案,基本能够满足各种场景下的数据可视化需求.但功能丰富从另一方面来说也意 ...
- python从mongodb里取出数据进行可视化_Python数据分析及可视化实例之MongoDB增删改查...
1.MongoDB安装 有时候度娘还是给力的,相反一些博客的安装方法则显得凌乱: 最初使用Win7安装经常会出现意料不到的错误, 比如开机启动服务,服务器日志等. 上面链接安装步骤简单,没有炫技的成分 ...
最新文章
- Windows 7 RC Build 7100 使用报告
- Spring整合Hibernate图文步骤
- 【编译原理】让我们来构建一个简单的解释器(Let’s Build A Simple Interpreter. Part 1.)(python/c/c++版)(笔记)
- 一些关于bootstrap,bagging,Adaboost,random forest, gradient boost的基本理解
- python中排序从小到大_从Python看排序:冒泡排序
- java jsp导出pdf文件_JSP页面导出PDF格式文件
- 【离散数学】实验 一个简单的自动逻辑推理问题
- 抖音发布春节数据报告:394万个视频和平安相关 医务人员获赞8.6亿次
- 微信取消支付再二次/多次支付及201商户订单号重复解决思路
- 想要挣钱创收 那就用脚本操作手机群控软件啊
- Labview软件开发—界面切换—选项卡的应用
- 推荐25个值得收藏的前端开源Awesome项目
- 哈希表,设计哈希集合,
- 最新HTML微信聊天对话生成器网页源码+实测可用
- php oop java oop_php oop的作用
- 高德地图 java_几行代码实现高德地图的高级用法
- 操作系统,Ubuntu虚拟机编译裁剪内核
- 睡眠周期时长测试软件,成为时间管理达人必备的六款软件(干货)
- 股票逐笔成交接口lv2
- 输入无线网密码后显示无法连接服务器,无线网连接失败
热门文章
- 【车间调度】基于matlab模拟退火算法求解车间调度(jobshop-3)问题【含Matlab源码 1082期】
- 【车牌识别】基于matlab GUI模板匹配车牌识别【含Matlab源码 958期】
- ai人工智能_AI破坏已经开始
- pathlib2 Path glob rglob的最新研究成果
- 数据转换transform练习
- 中南大学计算机学院伍逸凡,关于公布2017年湖南省大学生力学竞赛等15项学科竞赛结果的通知...
- npm 编译慢_如何有效提升快应用(Webpack)编译速度
- mysql主从不同步监控_MySQL主从同步监控
- python爬取方式_Python3 实现爬取网站下所有URL方式
- MTRR内存类型范围寄存器