使用Python计算皮尔逊相关系数，并用热力图展示

学习笔记☞学习计算皮尔相关逊系数，并用热力图展示出来。

       由于是自我练习的笔记，所以这里先通过Pandas随机生成一部分时序数据，然后再调用corr()函数来计算皮尔逊相关系数，并把计算结果先展示输出出来，最后通过热力图的方式把计算结果展现出来。

   下面是开发的具体过程：

1、首先导入需要的算法包

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

2、生成数据（由于是练习，所以这里的数据是随机生成的时序数据，其中索引为时间）

dates = pd.date_range('20220101', periods=15)#生成连续15天的时间序列
df = pd.DataFrame(np.random.randn(15,4), index=dates, columns=list('ABCD'))
print(df)

输出：

3、通过corr()函数来计算df数据中的两两元素的皮尔相关逊系数

a=df.corr()
print('皮尔逊系数')
print(a)

计算结果如下： 

4、通过计算出来的皮尔逊相关系数进行画热力图，用热力图表示相关性。

sns.heatmap(df.corr(method='pearson'),linewidths=0.1,vmax=1.0, square=True,linecolor='white', annot=True)
plt.title('皮尔逊热力图')
plt.show()

输出：

 完整版代码如下（本地运行无误，可以使用）：

 #coding=utf-8
import seaborn as sns
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
dates = pd.date_range('20220101', periods=15)#生成连续六天的时间序列
#随机生成数据
df = pd.DataFrame(np.random.randn(15,4), index=dates, columns=list('ABCD'))
print(df)
a=df.corr()
print('皮尔逊系数')
print(a)
plt.rcParams['font.sans-serif'] = ['SimHei']
plt.rcParams['axes.unicode_minus'] = False
sns.heatmap(df.corr(method='pearson'),linewidths=0.1,vmax=1.0, square=True,linecolor='white', annot=True)
plt.title('皮尔逊热力图')
plt.show()