这个问题要求使用Excel文件中的数据绘制一个相关性热图（圆圈图）。核心步骤是：1）从Excel文件读取数据；2）提取数值型变量进行相关性分析；3）计算相关系数矩阵（通常为皮尔逊或斯皮尔曼相关系数）；4）将此矩阵可视化为带有颜色编码圆圈的热图。我将提供完整的Python解决方案，因为它能更灵活、专业地处理数据分析和可视化任务 [ref_2][ref_3][ref_5]。 #### 1. 数据处理：读取Excel并准备相关系数矩阵 首先，我们需要使用`pandas`读取Excel文件，并提取除“品种”列外的所有数值型列，计算相关系数矩阵。通常，对于连续且大致符合正态分布的数据使用皮尔逊相关系数，对于单调但不一定线性的关系或有序数据使用斯皮尔曼等级相关系数 [ref_2]。这里假设数据满足线性关系，使用皮尔逊相关系数进行计算。 ```python import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt # 1. 读取Excel文件 file_path = r"C:\Users\天青城子\Desktop\相关性分析.xlsx" # 注意：读取时可能需要指定工作表名称，例如 sheet_name='Sheet1' df = pd.read_excel(file_path) # 查看数据结构和前几行，确保读取正确 print("数据维度:", df.shape) print("\n前5行数据:") print(df.head()) # 2. 提取用于相关性分析的数值列 # 假设‘品种’列是非数值型，或者我们想分析所有测量指标间的关系 # 明确指定需要分析的数值列名 numeric_columns = ['根鲜重', '苗高', '苗鲜重', '总根长', '根系表面积', '总根体积', '平均根系直径', '鲜重根冠比', '苗干重', '根干重', '干重根冠比'] # 检查这些列是否都在DataFrame中 missing_cols = [col for col in numeric_columns if col not in df.columns] if missing_cols: print(f"警告：以下列在数据中未找到: {missing_cols}") # 可能列名有空格或差异，尝试打印所有列名进行核对 print("实际列名为:", df.columns.tolist()) # 此处可能需要根据实际情况调整列名列表 # 假设我们使用所有数值型列（自动识别） numeric_df = df.select_dtypes(include=[np.number]) else: numeric_df = df[numeric_columns] print("\n用于分析的数值数据维度:", numeric_df.shape) print(numeric_df.head()) # 3. 计算相关系数矩阵（皮尔逊相关系数） corr_matrix = numeric_df.corr(method='pearson') # method也可选 'spearman' print("\n相关系数矩阵:") print(corr_matrix) ``` #### 2. 可视化：绘制相关性热图（圆圈图） 我们将使用`seaborn`库的`heatmap`函数，并结合`matplotlib`的`circles`（通过`plt.Circle`）来创建“圆圈图”效果，或者直接使用`seaborn`的样式来模拟。更常见的做法是绘制一个方形热图，并将每个单元格的值用一个带有颜色和大小编码的圆圈来表示 [ref_3]。以下是一种实现方式： ```python # 设置中文字体（如果图表需要显示中文标签，可选） # plt.rcParams['font.sans-serif'] = ['SimHei'] # 用来正常显示中文标签 # plt.rcParams['axes.unicode_minus'] = False # 用来正常显示负号 # 创建图形和坐标轴 plt.figure(figsize=(12, 10)) # 方法一：使用seaborn的heatmap绘制基础热图，并用圆圈掩盖非中心部分来创造“圆圈图”效果 # 首先，绘制一个方形热图，不显示数值文本，使用圆形mask mask = np.zeros_like(corr_matrix, dtype=bool) np.fill_diagonal(mask, False) # 保持对角线为False，因为我们可能也想显示对角线（自相关为1） # 生成热图，使用圆形mask的一种变通方法是后续叠加圆圈 # 这里我们先绘制一个标准热图，然后在其上添加圆圈 heatmap = sns.heatmap(corr_matrix, mask=None, # 暂时不用mask cmap='coolwarm', # 选择颜色映射，红蓝配色常用 center=0, # 中心值为0，正负相关区分明显 square=True, # 使每个单元格为正方形 linewidths=0.5, # 单元格间的线宽 cbar_kws={"shrink": .8}, # 颜色条参数 annot=False, # 暂时不显示数字，后面用圆圈大小表示 fmt=".2f") # 添加标题 plt.title('植物性状相关性热图（圆圈表示相关强度与方向）', fontsize=16, pad=20) # 方法二：更接近“圆圈图”的绘制方法——使用散点图思想，在每个单元格中心绘制圆圈 # 我们可以关闭热图的颜色填充，只绘制网格和圆圈 plt.close('all') # 关闭之前的图，重新开始 fig, ax = plt.subplots(figsize=(12, 10)) # 计算每个单元格的中心坐标 n_vars = len(corr_matrix) # 为了在单元格中心画圆，我们需要遍历每个单元格 for i in range(n_vars): for j in range(n_vars): # 获取相关系数值 value = corr_matrix.iloc[i, j] # 定义圆圈的颜色：正值用红色系，负值用蓝色系，零值用白色 # 归一化到[-1,1]映射到颜色映射 color = plt.cm.coolwarm((value + 1) / 2) # coolwarm映射：-1 -> 蓝色, 1 -> 红色 # 定义圆圈的大小：绝对值越大，圆圈越大（可自定义缩放因子） size = abs(value) * 1500 # 缩放因子，调整圆圈视觉大小 # 在单元格中心 (j+0.5, i+0.5) 创建圆圈 (注意矩阵坐标与绘图坐标的转换) circle = plt.Circle((j + 0.5, i + 0.5), size/3000, color=color, ec='black', lw=0.5) # size除以3000是将面积缩放为半径 ax.add_patch(circle) # 可选：在圆圈中添加相关系数值文本（若圆圈够大） if abs(value) >= 0.3: # 只显示相关性较强的数值，避免重叠 ax.text(j + 0.5, i + 0.5, f'{value:.2f}', ha='center', va='center', fontsize=8, color='white' if abs(value) > 0.7 else 'black') # 设置坐标轴范围与标签 ax.set_xlim(-0.5, n_vars + 0.5) ax.set_ylim(-0.5, n_vars + 0.5) ax.set_xticks(np.arange(n_vars) + 0.5) ax.set_yticks(np.arange(n_vars) + 0.5) ax.set_xticklabels(corr_matrix.columns, rotation=45, ha='right') ax.set_yticklabels(corr_matrix.columns) ax.set_aspect('equal') # 确保纵横比相等，使圆圈不变形 # 添加网格线，表示单元格边界 ax.grid(True, which='both', color='lightgray', linestyle='-', linewidth=0.5) ax.set_axisbelow(True) # 将网格线放在图表元素下方 # 添加标题 plt.title('植物性状相关性圆圈图', fontsize=16, pad=20) # 添加颜色条说明（创建独立的颜色条） sm = plt.cm.ScalarMappable(cmap=plt.cm.coolwarm, norm=plt.Normalize(vmin=-1, vmax=1)) sm.set_array([]) cbar = plt.colorbar(sm, ax=ax, shrink=0.8) cbar.set_label('相关系数', rotation=270, labelpad=15) plt.tight_layout() plt.show() ``` #### 3. 分析与解读 生成的图表中，每个圆圈的位置对应两个变量（行与列）的交汇处。圆圈的颜色表示相关的方向（红色为正相关，蓝色为负相关）[ref_1][ref_4]，圆圈的大小表示相关的强度（绝对值越大，圆圈越大）。对角线上的圆圈表示变量与自身的相关，应为1（最大圆圈，深红色）。通过此图，可以快速识别出强相关（大且颜色饱和的圆圈）的变量对。例如，“总根长”与“根系表面积”之间可能存在较强的正相关（大红色圆圈）[ref_3]，而“鲜重根冠比”与“苗高”之间可能存在弱相关或负相关（小或蓝色圆圈）。这种可视化方法在筛选模型输入变量、识别共线性问题时非常有效 [ref_1][ref_4]。 #### 4. 代码优化与注意事项 * **数据预处理**：在计算相关性前，应检查数据是否存在缺失值。`pandas`的`.corr()`方法默认会忽略含有缺失值的行。如果数据量小或缺失严重，需进行适当的处理（如删除或插补）[ref_5]。 * **相关系数选择**：若数据不满足线性或正态假设，可将`method='pearson'`改为`method='spearman'`来计算斯皮尔曼等级相关系数 [ref_2]。 * **图形定制**：可以通过调整`plt.cm.coolwarm`更换配色方案，修改`size = abs(value) * 1500`中的乘数来改变圆圈大小，调整`ax.text()`中的字体大小和颜色阈值来优化标签可读性。 * **输出与保存**：使用`plt.savefig('correlation_circle_plot.png', dpi=300, bbox_inches='tight')`可以将生成的图表保存为高分辨率图片。 这个方案提供了一个从数据读取到高级可视化生成的完整流程，能够专业、清晰地展示用户Excel文件中各植物性状指标间的相关性结构 [ref_3][ref_6]。