Python-将NxN矩阵绘制为渐变颜色网格

我想可视化使用

datafrome.corr（）

方法得到的列之间的相关性

结果如下：

我在这里要做的是根据数据帧的值，用渐变色绘制矩阵

例如（只是一个来自web的示例）：

---

如果您可以将数据导入numpy，这里有一个使用matplotlib的简单解决方案，应该可以生成与您发布的内容类似的热图。您只需要用数据替换虚拟数据

import numpy as np
import matplotlib.pyplot as plt

# Generate some test data
data = np.arange(100).reshape((10,10))

plt.title('Actual Function')
heatmap = plt.pcolor(data)
plt.show()

编辑：这里有一个带有x轴和y轴标签的更华丽的版本。我选择将它们放在两个列表中，以便您可以独立地更改每个列表

import numpy as np
import matplotlib.pyplot as plt

# Generate some test data
data = np.arange(100).reshape((10,10))

xlabels = ['capacity', 'failure_rate', 'id', 'margin', 'price', 'prod_cost', 'product_type', 'quality', 'warranty', 'market_share', 'attractiveness']
ylabels = ['capacity', 'failure_rate', 'id', 'margin', 'price', 'prod_cost', 'product_type', 'quality', 'warranty', 'market_share', 'attractiveness']

fig, ax = plt.subplots()

ax.set_xticks(np.arange(data.shape[1]) + 0.5, minor=False)
ax.set_yticks(np.arange(data.shape[0]) + 0.5, minor=False)

ax.xaxis.tick_top()
plt.xticks(rotation=90)

ax.set_xticklabels(xlabels, minor=False)
ax.set_yticklabels(ylabels, minor=False)
heatmap = ax.pcolor(data)

ax = plt.gca()

for t in ax.xaxis.get_major_ticks():
    t.tick1On = False
    t.tick2On = False
for t in ax.yaxis.get_major_ticks():
    t.tick1On = False
    t.tick2On = False

plt.show()

---

如果您可以将数据导入numpy，这里有一个使用matplotlib的简单解决方案，并且应该生成与您发布的内容类似的热图。您只需要用数据替换虚拟数据

import numpy as np
import matplotlib.pyplot as plt

# Generate some test data
data = np.arange(100).reshape((10,10))

plt.title('Actual Function')
heatmap = plt.pcolor(data)
plt.show()

编辑：这里有一个带有x轴和y轴标签的更华丽的版本。我选择将它们放在两个列表中，以便您可以独立地更改每个列表

import numpy as np
import matplotlib.pyplot as plt

# Generate some test data
data = np.arange(100).reshape((10,10))

xlabels = ['capacity', 'failure_rate', 'id', 'margin', 'price', 'prod_cost', 'product_type', 'quality', 'warranty', 'market_share', 'attractiveness']
ylabels = ['capacity', 'failure_rate', 'id', 'margin', 'price', 'prod_cost', 'product_type', 'quality', 'warranty', 'market_share', 'attractiveness']

fig, ax = plt.subplots()

ax.set_xticks(np.arange(data.shape[1]) + 0.5, minor=False)
ax.set_yticks(np.arange(data.shape[0]) + 0.5, minor=False)

ax.xaxis.tick_top()
plt.xticks(rotation=90)

ax.set_xticklabels(xlabels, minor=False)
ax.set_yticklabels(ylabels, minor=False)
heatmap = ax.pcolor(data)

ax = plt.gca()

for t in ax.xaxis.get_major_ticks():
    t.tick1On = False
    t.tick2On = False
for t in ax.yaxis.get_major_ticks():
    t.tick1On = False
    t.tick2On = False

plt.show()

---

看看seaborn

heatmap（）

方法：。该页面上的最后一个示例是相关系数示例。您能否以可以复制粘贴到代码中的方式添加示例数据？（例如，将其导出到列表或dict并发布输出）查看seaborn

heatmap（）

方法：。该页面上的最后一个示例是相关系数示例。您能否以可以复制粘贴到代码中的方式添加示例数据？（例如，将其导出到列表或dict并发布输出）