如何在python(Matplotlib)中调整图形的大小
我有一个包含200多个特征的数据集。我想用sns和matplotlib可视化皮尔逊相关性的热图。 我创建的图形看起来很小,无法正确显示(请参见下图) 1) 我的问题是如何调整图表? 2) 这是可视化具有200多个功能的数据集的正确方法吗 这是我的代码:如何在python(Matplotlib)中调整图形的大小,python,matplotlib,seaborn,pearson-correlation,Python,Matplotlib,Seaborn,Pearson Correlation,我有一个包含200多个特征的数据集。我想用sns和matplotlib可视化皮尔逊相关性的热图。 我创建的图形看起来很小,无法正确显示(请参见下图) 1) 我的问题是如何调整图表? 2) 这是可视化具有200多个功能的数据集的正确方法吗 这是我的代码: #!/usr/bin/env python # coding: utf-8 # In[105]: import os import pandas as pd import matplotlib.pyplot as plt import seab
#!/usr/bin/env python
# coding: utf-8
# In[105]:
import os
import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
# In[106]:
# Load data from path
D_rt_none = pd.read_pickle("data/170408-2141-rt-none.pkl")
D_rt_nginx = pd.read_pickle("data/170408-2154-rt-nginxlb.pkl")
D_rt_socat = pd.read_pickle("data/170408-2206-rt-socat.pkl")
D_rt_redir = pd.read_pickle("data/170408-2232-rt-squid.pkl")
D_rt_nginx_socat_redir = pd.read_pickle("data/170409-0718-rt-nginxlb-socat-squid.pkl")
D_rt_socat_redir_nginx = pd.read_pickle("data/170409-1606-rt-socat-squid-nginxlb.pkl")
D_rt_redir_nginx_socat = pd.read_pickle("data/170410-0054-rt-squid-nginxlb-socat.pkl")
# In[107]:
def main():
print("NFV Data Visualization")
print(D_rt_nginx.head())
print("Info")
print(D_rt_nginx.info())
print("Describe")
print(D_rt_nginx.describe())
corr = D_rt_nginx.corr()
plt.figure(figsize=(50,50))
ax = sns.heatmap(
corr,
vmin=-1, vmax=1, center=0,
cmap=sns.diverging_palette(20, 220, n=200),
square=True
)
ax.set_xticklabels(
ax.get_xticklabels(),
rotation=45,
horizontalalignment='right'
);
plt.show()
# In[110]:
# In[109]:
main()
输出
就像评论中建议的@gmds一样,我必须将它们单独分组并生成图表 嗯,你有200个特征。如果希望每个功能名称都可读,则需要大量空间。我建议用不同的方式做事。例如,您可以对变量进行分组。您能详细说明一下吗?我看不太清楚,但您的一些变量似乎有共同的前缀。例如,您可以为中以
开头的所有对象绘制热图。