当前位置:首页 > 文章列表 > 文章 > python教程 > Python怎么画热力图_相关系数矩阵颜色可视化与坐标轴标注配色调整

Python怎么画热力图_相关系数矩阵颜色可视化与坐标轴标注配色调整

2026-05-02 23:08:44 0浏览 收藏

小伙伴们有没有觉得学习文章很有意思?有意思就对了!今天就给大家带来《Python怎么画热力图_相关系数矩阵颜色可视化与坐标轴标注配色调整》,以下内容将会涉及到,若是在学习中对其中部分知识点有疑问,或许看了本文就能帮到你!

用 seaborn.heatmap 画相关系数矩阵最稳,因其自动适配 DataFrame.corr()、居中0值、内置发散色图、渲染行列名;需确保输入为带索引的DataFrame、设 annot=True 显示数值、用 diverging colormap(如"coolwarm")、提前配置中文字体。

Python怎么画热力图_相关系数矩阵颜色可视化与坐标轴标注配色调整

用 seaborn.heatmap 画相关系数矩阵最稳

直接上手就用 seaborn.heatmap,别先折腾 matplotlib.pyplot.imshow 或 plt.pcolormesh —— 那些得手动算坐标、贴标签、调 colorbar 范围,容易漏掉对称性或 NaN 处理。而 seaborn.heatmap 天然适配 pandas.DataFrame.corr() 输出,自动居中 0 值、默认用 diverging colormap(比如 "coolwarm"),还带行列名渲染。

常见错误是传入 numpy array 后丢掉了列名索引,结果坐标轴变成 0, 1, 2...;或者没设 annot=True,以为数字在图里“应该有”,其实默认不显示。

  • 必须确保输入是带行/列名的 DataFrame,不是裸 np.ndarray
  • 加 annot=True 才显示数字;若要控制小数位,用 fmt=".2f"
  • 别用 vmin=-1, vmax=1 硬卡范围——除非你确认数据里真有 -1 和 1;否则让 seaborn 自动算更安全

xticklabels 和 yticklabels 别乱设为 False

有人为了“简洁”把坐标轴标签关掉:xticklabels=False,结果发现 x 和 y 轴全空了,连变量名都看不到。这不是精简,是丢关键信息。热力图的核心价值之一就是快速定位哪两个变量相关性强,标签一去,图就废了一半。

真实场景中常需要旋转标签避免重叠,或只显示部分变量名。这时候该用 xticklabels=True(默认就是 True),再配合 plt.xticks(rotation=45) 或 plt.yticks(rotation=0) 微调。

  • 禁用标签只在做子图拼接、或导出供他人二次标注时才考虑
  • 如果变量名太长导致挤在一起,优先缩写列名(如 df.rename(columns={"average_transaction_value": "avg_tx"})),而不是关标签
  • seaborn.heatmap 的 xticklabels 参数支持列表,可自定义显示顺序或子集:xticklabels=df.columns[:5]

配色不是越艳越好,cmap 选错会掩盖真实差异

默认 "coolwarm" 没问题,但换成 "viridis" 或 "plasma" 就出事:它们是 sequential colormap,0 值不居中,-0.3 和 +0.3 在图里颜色深浅差不多,人眼根本分不出正负方向。相关系数必须用 diverging cmap。

另一个坑是用 "jet"——它在中间(接近 0)有伪色带(青→黄突变),让人误以为那附近有强变化,其实只是 colormap 本身的缺陷。

  • 安全选择:"coolwarm"、"RdBu_r"、"Spectral_r"(注意带 _r 是反转,让正相关用红)
  • 想灰度打印?用 "RdYlBu_r" 比 "gray" 更能保留对比度
  • 别用 plt.cm.get_cmap("xxx") 再传进去——seaborn.heatmap 直接认字符串名,多套一层反而可能报错

中文坐标轴显示方块?font.sans-serif 必须提前设

只要 DataFrame 列名含中文,不处理字体,x/y 轴就会出豆腐块。这不是 seaborn 的 bug,是 matplotlib 默认没加载中文字体。临时改 plt.rcParams['font.sans-serif'] 有时无效,因为 seaborn 内部可能已初始化过 rcParams。

最可靠的做法是在 import seaborn 之前,用 matplotlib 显式指定字体路径或字体名,并关掉 Unicode 负号(否则减号变方块):

import matplotlib
matplotlib.rcParams['font.sans-serif'] = ['SimHei', 'DejaVu Sans']
matplotlib.rcParams['axes.unicode_minus'] = False

注意顺序:import seaborn 必须在这之后;如果用 Jupyter,这段得放在第一个 cell,且不能被后续 %matplotlib inline 覆盖。

  • Mac 用户可用 'Arial Unicode MS' 或 'Heiti TC',别硬写系统不存在的字体名
  • 服务器环境没 GUI?别用本地字体,改用 font_manager.FontProperties(fname="xxx.ttf") 加载 ttf 文件
  • 只改 plt.title() 字体没用——坐标轴标签是 heatmap 自己画的,必须全局设 rcParams
热力图看着简单,但坐标轴、配色、字体这三处一旦出问题,调试成本远高于重画一次。尤其多人协作时,字体和 colormap 设置很容易被忽略,等出图才发现全是方块或颜色颠倒。

今天带大家了解了的相关知识,希望对你有所帮助;关于文章的技术知识我们会一点点深入介绍,欢迎大家关注golang学习网公众号,一起学习编程~

Word如何制作动态更新的文档版本号水印_利用文件属性域代码关联保存日期Word如何制作动态更新的文档版本号水印_利用文件属性域代码关联保存日期
上一篇
Word如何制作动态更新的文档版本号水印_利用文件属性域代码关联保存日期
京东快递到付怎么操作_到付寄件与收件流程详解
下一篇
京东快递到付怎么操作_到付寄件与收件流程详解
查看更多
最新文章
查看更多
课程推荐
  • 前端进阶之JavaScript设计模式
    前端进阶之JavaScript设计模式
    设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
    543次学习
  • GO语言核心编程课程
    GO语言核心编程课程
    本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
    516次学习
  • 简单聊聊mysql8与网络通信
    简单聊聊mysql8与网络通信
    如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
    500次学习
  • JavaScript正则表达式基础与实战
    JavaScript正则表达式基础与实战
    在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
    487次学习
  • 从零制作响应式网站—Grid布局
    从零制作响应式网站—Grid布局
    本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
    485次学习
查看更多
AI推荐
  • PubMedQA数据集详解:生物医学问答基准、功能与应用指南
    PubMedQA
    深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
    298次使用
  • H2O EvalGPT:开源LLM大模型评估与排行榜工具
    H2O EvalGPT
    H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
    354次使用
  • LMArena是什么?伯克利AI模型评估平台使用指南与功能解析
    LMArena
    LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
    354次使用
  • 斯坦福HELM:大语言模型Holistic Evaluation整体评估框架详解
    HELM
    深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
    319次使用
  • MMBench详解:多模态大模型基准测试、功能特点与使用指南
    MMBench
    MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
    139次使用
微信登录更方便
  • 密码登录
  • 注册账号
登录即同意 用户协议 和 隐私政策
返回登录
  • 重置密码