期刊图片复现|Python绘制高颜值相关性矩阵图

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport matplotlib.colors as mcolors

# =========================================================================================# ======================================2.颜色库=======================================# =========================================================================================COLOR_SCHEMES = {    1: [],}

# =========================================================================================# ======================================4.绘图函数=======================================# =========================================================================================def plot_correlation_matrix():    #画布    fig, axes = plt.subplots(n_vars, n_vars, figsize=(10, 10))    plt.subplots_adjust(left=0.1, #子图左边缘                        right=0.8, #右边缘                        bottom=0.1, #下边缘                        top=0.8, #上边缘                        wspace=0.15, #水平间距                        hspace=0.15) #垂直间距

   # 遍历行    for i in range():                ax.text(0.5, #X                        0.5, #Y                        labels[i], #变量名称                        ha='center', #水平                        va='center', #垂直                        fontsize=16, #大小                        fontweight='bold') #加粗

            #右上角            elif i < j:                r_val = corr_matrix[i, j] #相关系数                p_val = pval_matrix[i, j] #p值                color = cmap_bar(norm(r_val)) #依据归一化后的R值映射出具体颜色                #设置显著性标记                if p_val < 0.001:                    stars = '***'                elif p_val < 0.01:                    stars = '**'                elif p_val < 0.05:                    stars = '*'                else:                    stars = ''                ax.axis('off') #隐藏框线

            #左下角            else:                x = df.iloc[:, j].values #提取自变量                y = df.iloc[:, i].values #提取因变量                x_min_real, x_max_real = x.min(), x.max() #计算当前x轴最小值和最大值                y_min_real, y_max_real = y.min(), y.max() #计算当前y轴最小值和最大值                x_margin = (x_max_real - x_min_real) * 0.05 #外扩                y_margin = (y_max_real - y_min_real) * 0.05 #外扩                x_min, x_max = x_min_real - x_margin, x_max_real + x_margin #x轴显示范围                y_min, y_max = y_min_real - y_margin, y_max_real + y_margin #y轴显示范围                ax.set_xlim(x_min, x_max) #x坐标轴的显示边界                ax.set_ylim(y_min, y_max) #y坐标轴的显示边界                x_tick_offset = (x_max - x_min) * 0.20 #x坐标轴刻度                y_tick_offset = (y_max - y_min) * 0.20 #y坐标轴刻度                if j != 0: ax.set_yticklabels([]) # 只要不是左下角第一列，都屏蔽不展示纵坐标文字标签

    #创建颜色条区域    cbar_ax = fig.add_axes([0.83, 0.1, 0.02, 0.7])    sm = plt.cm.ScalarMappable(cmap=cmap_bar, norm=norm) #创建可映射的对象    #创建颜色条    cbar = fig.colorbar(sm, cax=cbar_ax, ticks=ticks_range)    cbar.outline.set_visible(False) # 隐去外边框

# =========================================================================================# ======================================5.执行部分=======================================# =========================================================================================if __name__ == '__main__':    data_path = r'data.xlsx' #原始数据    df = pd.read_excel(data_path).dropna() #读取数据    labels = df.columns.tolist() #列名称    print(labels)    color_vmin, color_vmax = -0.84,0.77    # 利用这些色彩组建成为一种可以连续线性映射变化的色彩映射规则    cmap_bar = mcolors.LinearSegmentedColormap.from_list('custom_cmap', selected_colors)    # 将刚才确定的最小值和最大值注册成用于绑定画图着色的归一化规则对象    norm = mcolors.Normalize(vmin=color_vmin, vmax=color_vmax)    #离散成连续的颜色    base_colors = cmap_bar(np.linspace(0, 1, 256))    plot_correlation_matrix()

scheme_id = 60 #要使用的配色方案

2.设置分析方法方案：

analysis_method = 1  #选择分析方法

plt.savefig(fr'{scheme_id}.png', dpi=300, bbox_inches='tight')

4.设置原始数据路径：

data_path = r'data.xlsx' #原始数据

5.设置范围：

color_vmin, color_vmax = -0.84,0.77