做图篇:python 相关图(Correllogram)或绘制heatmap

        若有两种变量，且它们的值为离散的，那么二维相关图可以表示两个变量所有可能组合之间的相关性。当然如果是单变量，那么自身所有可能的组合也可以组成一个相关图。

首先，介绍一下heatmap的用法及一些参数：

seaborn.heatmap(data, vmin=None, vmax=None, cmap=None, center=None, robust=False, annot=None, fmt='.2g', annot_kws=None, linewidths=0, linecolor='white', cbar=True, cbar_kws=None, cbar_ax=None, square=False, xticklabels='auto', yticklabels='auto', mask=None, ax=None, **kwargs)

【1】data参数使用：

例子：

import seaborn as sns
import numpy as np
import  matplotlib.pyplot as plt

data = np.array([[1,2,6],[4,5,6],[7,8,9]])
sns.heatmap(data,annot=True)
plt.show()

【2】其他参数：

• annot: 默认为False，为True的话，会在格子上显示数字
• vmax, vmin: 热力图颜色取值的最大值，最小值，默认会从data中推导

import seaborn as sns
import numpy as np
import  matplotlib.pyplot as plt

data = np.array([[1,2,6],[4,5,6],[7,8,9]])
sns.heatmap(data,annot=True,vmax=8,vmin=1)
plt.show()

【3】更多参数参考：http://seaborn.pydata.org/generated/seaborn.heatmap.html

 相关图(Correllogram)的绘制：

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

# Import Dataset
df = pd.read_csv("https://github.com/selva86/datasets/raw/master/mtcars.csv")

# Plot
plt.figure(figsize=(12,10), dpi= 80)
sns.heatmap(df.corr(), xticklabels=df.corr().columns, yticklabels=df.corr().columns, cmap='RdYlGn', center=0, annot=True)

# Decorations
plt.title('Correlogram  mtcars', fontsize=22)
plt.xticks(fontsize=12)
plt.yticks(fontsize=12)
plt.show()