使用python进行相关性分析并绘制散点图 |
您所在的位置:网站首页 › excel求两组数据的相关系数 › 使用python进行相关性分析并绘制散点图 |
近期,有小伙伴问我关于怎么使用python进行散点图的绘制,这个东西很简单,但是怎么讲相关性的值标注在图形上略显麻烦,因此,在这里记录一下,将整个流程展示一下。 需要用到的库在本篇博客中,主要用到的库是pandas、numpy、matplotlib、seaborn等,想要使用seaborn库必须要引入matplotlib库,seaborn是作为它的外挂库。 #1 load pakeage import pandas as pd#读写表格以及表格处理 import numpy as np#用于数据计算 import geopandas as gpd import matplotlib.pyplot as plt import seaborn as sns import os import warnings warnings.filterwarnings("ignore") plt.rc('font',family='Times New Roman') from glob import glob from osgeo import gdal,gdal_array,gdalnumeric plt.rcParams['font.sans-serif']=['Simhei'] #显示中文 plt.rcParams['axes.unicode_minus']=False #显示负号 数据读取这里我使用的是师弟的一部分数据,在这里进行数据读取。 df = pd.read_csv('./JXDY_1.csv',encoding='utf-8') df.head()这里我们做相关性分析 df.corr()#默认是pearson相关性分析之后我们进行批量化的散点图输出,将相关性数据放在图形上 a = 2#这里的相关性是从第二位开始进行计算的,所以我从第二位开始提取 for i in df.columns[3:]: a1 = sns.lmplot(y='fruit',x=i,data=df) ax = plt.gca() ax.text(0.9,1,"Pearson:{:.2f}".format(df.corr().iloc[1,a]),transform=ax.transAxes)#添加相关性 a = a+1 plt.savefig('./{}.jpg'.format(i),dpi=300,bbox_inches = 'tight')
结果就大功告成了,之后吧结果输出来就可以了!!! |
今日新闻 |
推荐新闻 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |