科研绘图 | 基于python绘制PCC热力图+IGR信息增益比横向柱状图

在科研作图中，读者一边想看特征之间的相关性，另一边又想知道每个特征对分类任务到底有多重要。如果把这两部分内容分成两张图来画，读者往往需要来回切换视线，阅读体验并不理想。因此本文把 PCC 热力图和 IGR 条形图拼接在同一张图里，让“特征之间的关系”和“特征本身的重要性”同时呈现出来。

1. 先把绘图基础环境搭起来

科研绘图的第一步，不是马上画图，而是先把图形风格统一好。这样后面不管生成几张图，字号、字体、清晰度都会保持一致。脚本里专门写了一个 fs() 函数来统一控制字号缩放，同时通过 plt.rcParams.update() 一次性设置字体、分辨率和坐标轴参数。

FONT_SCALE = 1.3

deffs(size):
return size * FONT_SCALE

plt.rcParams.update({
'font.family': 'serif',
'font.serif': ['Times New Roman'],
'font.size': fs(10),
'axes.labelsize': fs(10),
'xtick.labelsize': fs(8),
'ytick.labelsize': fs(8),
'figure.dpi': 600,
'savefig.dpi': 600,
'axes.unicode_minus': False,
})

2. 读取数据时，先区分特征列和标签列

读取一个二分类样本 CSV 文件，如果数据里存在 label 列，就把它当作分类标签；其余列作为特征。这个处理方式很实用，因为 PCC 和 IGR 的输入并不完全一样：前者只需要特征矩阵，后者还需要标签列。

df = pd.read_csv(csv_file, encoding='utf-8')

if'label'in df.columns:
    labels = df['label']
    features = df.drop(['label'], axis=1)
else:
    labels = None
    features = df

features 负责“特征和特征之间是什么关系”，labels 负责“特征对任务结果有没有帮助”。。

3. 用 PCC 找出特征之间的线性关系

PCC 就是皮尔逊相关系数，它的作用是衡量两个变量之间有没有线性相关关系。值越接近 1，说明正相关越强；越接近 -1，说明负相关越强；接近 0 则说明线性关系比较弱：

correlation_matrix = features.corr(method='pearson')
correlation_matrix.to_csv(
    os.path.join(output_dir, 'correlation_matrix_data.csv')
)

虽然代码只有一行，但在做特征筛选时，如果发现两个变量高度相关，就要注意特征信息冗余问题。通过手动用矩形格子去画右上三角区域，这样做的好处是布局更灵活，也方便和右侧的 IGR 柱状图严丝合缝地拼接起来。

4. 用 IGR 衡量每个特征对分类任务的贡献

如果说 PCC 是看“特征和特征”的关系，那么 IGR 看的是“特征和标签”的关系。先计算信息熵，再计算信息增益比。这里的核心思想可以简单理解为：一个特征如果能很好地区分不同类别，那么它的 IGR 往往就更高。

defcalculate_entropy(data):
    _, counts = np.unique(data, return_counts=True)
    probabilities = counts / len(data)
return -np.sum(probabilities * np.log2(probabilities))

defcalculate_information_gain_ratio(labels, feature, entropy_labels):
    unique_values, value_counts = np.unique(feature, return_counts=True)
    information_gain = 0
    split_info = 0
for value, count in zip(unique_values, value_counts):
        subset_labels = labels[feature == value]
        entropy_subset = calculate_entropy(subset_labels)
        information_gain += (count / len(feature)) * entropy_subset
        split_info -= (count / len(feature)) * np.log2(count / len(feature))
    information_gain = entropy_labels - information_gain
return information_gain / split_info if split_info != 0else0

IGR 越大，说明这个特征越能帮助模型区分类别。脚本算完以后，把每个特征的 IGR 值保存成表格，再在图中画成横向柱状图，这样一眼就能看出“谁更重要”。

5. 把热力图和柱状图组合成一张图

这不是简单地画两张图，而是用 GridSpec 把两部分内容合并成一个整体。左边是 PCC 热力图，右边是 IGR 条形图，而且右侧柱子的顺序和左侧特征名称完全对齐，这样理解图会非常顺畅。

from matplotlib.gridspec import GridSpec

gs = GridSpec(
    nrows=1, ncols=2,
    width_ratios=[label_w + heatmap_w, igr_w],
    wspace=0.0
)

ax_heat = fig.add_subplot(gs[0])
ax_igr = fig.add_subplot(gs[1])

后面的实现也很细致。热力图部分用 Rectangle 逐格绘制，并根据背景亮度自动切换白字或黑字；柱状图部分则用 barh() 横向绘制，和左侧热力图共享同一组特征顺序。

6. 好看的配色，往往决定图能不能“出圈”

这次优化的重点在右侧柱状图。原来的做法是直接复用 PCC 的发散色带，但 IGR 本质上是非负值指标，更适合使用“由浅到深”的顺序渐变色。现在脚本专门为 IGR 做了一个独立配色函数，还额外把最大值用珊瑚色高亮出来，让重点更明确。