### 使用 Python 和 Matplotlib/Seaborn 绘制皮尔逊相关系数热图 以下是基于 Seaborn 和 Matplotlib 的方法，用于绘制皮尔逊相关系数的热图： #### 导入必要的库 为了完成此任务，需要导入 `numpy`、`pandas`、`seaborn` 和 `matplotlib.pyplot` 库。 ```python import numpy as np import pandas as pd import seaborn as sns import matplotlib.pyplot as plt ``` #### 准备数据 可以手动创建一个相关系数矩阵或者从实际的数据集中计算得到。如果使用 Pandas 数据框，则可以通过 `.corr()` 方法轻松获取数值列的相关系数矩阵[^2]。 ```python # 创建示例 DataFrame data = { 'A': [1, 2, 3, 4, 5], 'B': [5, 4, 3, 2, 1], 'C': [2, 3, 4, 5, 6] } df = pd.DataFrame(data) # 计算 Pearson 相关系数矩阵 corr_matrix = df.corr(method='pearson') print(corr_matrix) ``` #### 配置颜色映射 通过 Seaborn 提供的功能设置合适的颜色方案。这里推荐使用发散型调色板（diverging palette），以便更直观地区分正负相关性[^1]。 ```python cmap = sns.diverging_palette(220, 10, as_cmap=True) # 蓝红渐变配色 ``` #### 绘制热力图 利用 Seaborn 的 heatmap 函数实现可视化效果，并添加标注以增强可读性。 ```python plt.figure(figsize=(6, 4)) # 设置画布大小 sns.heatmap( corr_matrix, annot=True, # 是否显示具体数值 fmt=".2f", # 数值保留两位小数 cmap=cmap, # 自定义颜色风格 square=True # 单元格为正方形 ) # 添加标题与轴标签 plt.title('Pearson Correlation Heatmap Example', fontsize=14) plt.xlabel('Features', fontsize=12) plt.ylabel('Features', fontsize=12) # 展示图形 plt.tight_layout() plt.show() ``` 以上代码片段展示了完整的流程，包括数据准备、色彩配置以及最终绘图过程。 --- ### 注意事项 当处理大型数据集时，可能需要调整字体大小 (`annot_kws`) 或者隐藏部分细节来优化展示效果。此外，在自定义刻度位置时需注意范围设定应匹配特征数量的要求[^3]。 ---