python进行相关性分析并绘制散点图详解 python进行相关性分析并绘制散

需要用到的库
数据读取
总结

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 gpdimport matplotlib.pyplot as pltimport seaborn as snsimport osimport warningswarnings.filterwarnings("ignore")plt.rc('font',family='Times New Roman')from glob import globfrom osgeo import gdal,gdal_array,gdalnumericplt.rcParams['font.sans-serif']=['Simhei']#显示中文plt.rcParams['axes.unicode_minus']=False#显示负号

数据读取 【python进行相关性分析并绘制散点图详解】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()

文章图片

这里我们做相关性分析

df.corr()#默认是pearson相关性分析

文章图片

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=https://www.it610.com/article/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+1plt.savefig('./{}.jpg'.format(i),dpi=300,bbox_inches = 'tight')