Python| Pearson/Spearman相关性分析热图

import matplotlib.pyplot as pltimport pandas as pdimport numpy as npfrom matplotlib.patches import FancyBboxPatch, Rectanglefrom scipy import statsfrom matplotlib.colors import LinearSegmentedColormap

plt.rcParams.update({    # 设置默认字体为 Arial    'font.sans-serif': ['Arial'],    # 设置全局字体大小为 13    'font.size': 13,    # 解决负号显示为方块的问题    'axes.unicode_minus': False})

# X 变量数据文件路径（行为样本，列为变量）X_DATA_PATH = 'x_data1.csv'# Y 变量数据文件路径（行为样本，列为变量）Y_DATA_PATH = 'y_data1.csv'# 分组文件路径，必须存在且格式正确（第一列忽略，第二列为每个 Y 变量的组名）GROUPING_PATH = 'groups1.csv'# 输出 Excel 文件路径，包含相关系数和显著性星号两个工作表EXCEL_RESULT = 'results1.xlsx'# 输出热图文件路径（PNG 格式）FIGURE_OUTPUT = 'heatmap1.png'# 相关分析方法：'pearson' 或 'spearman'CORRELATION_TYPE = 'spearman'# 热图整体尺寸（英寸），宽度和高度均为 7FIGURE_SIZE = (7, 7)# 每个单元格的边长（相对于坐标轴单位，默认 1 个单位对应一个单元格）CELL_SIDE = 0.85# 单元格圆角半径，数值越大越圆CORNER_ROUNDING = 0.08# 左侧分组标签区域的位置：[left, bottom, width, height]（相对图形宽度比例）LEFT_GROUP_AXIS_POS = [0.08, 0.10, 0.05, 0.8]# 热图区域的位置（有分组时）HEATMAP_AXIS_POS = [0.10, 0.10, 0.80, 0.8]# 分组标签矩形的宽度（相对于左侧区域坐标）GROUP_RECT_WIDTH = 0.8# 分组标签之间的垂直间距（避免重叠）GROUP_GAP = 0.2# 自定义渐变色列表：深蓝 → 白→ 深红，对应相关系数 -1 到 1COLOR_LIST = ['#57B1AB','#FFFFFF','#FED060']