当前位置：首页>python>用Python做科研级画图——相关矩阵热力图

用Python做科研级画图——相关矩阵热力图

2026-07-03 09:16:23

大家好，我是你们的小帅学长。

做相关分析时，很多人都会画一张热力图。

但你有没有遇到过这些问题：

颜色一片红蓝，看不出重点

数字密密麻麻，读不清

对角线重复信息，占了一半空间

变量顺序杂乱，结构完全看不出来

于是图变成了，信息很多，但没有结论。

这一篇，我们只做一件事：把相关矩阵热力图，画成“有结构、有重点、可读性强”的论文级图

01.热力图的本质：表达“结构”，不是“数值”

热力图不是用来看每一个数值的，而是用来看“整体关系结构”。

也就是说：哪些变量相关？哪些变量成簇？是否存在模块结构？

这才是重点。

02.第一步：mask

推荐：RdBu_r（经典相关图）

中心值 = 0

红：正相关

蓝：负相关

关键设置：

vmin=-1, vmax=1, center=0

06.论文级热力图模板

好的相关热力图，不是让你看到所有数值，而是让你一眼看到变量之间的结构关系。下面是一段可以直接复用的代码：

import osimport numpy as npimport pandas as pdimport seaborn as snsimport matplotlib as mplimport matplotlib.pyplot as pltfrom matplotlib import font_manager as fm# =========================# 字体设置# =========================win_fonts = r"C:\Windows\Fonts"for p in [    os.path.join(win_fonts, "times.ttf"),    os.path.join(win_fonts, "timesbd.ttf"),    os.path.join(win_fonts, "timesi.ttf"),    os.path.join(win_fonts, "simsun.ttc"),]:    if os.path.exists(p):        try:            fm.fontManager.addfont(p)        except Exception:            passmpl.rcParams["font.family"] = ["Times New Roman", "SimSun"]mpl.rcParams["axes.unicode_minus"] = False# =========================# 输出路径# =========================OUT_DIR = r"D:\py_figs"os.makedirs(OUT_DIR, exist_ok=True)# =========================# 构造示例数据# =========================np.random.seed(42)data = pd.DataFrame({    "Var1": np.random.normal(0,1,200),    "Var2": np.random.normal(0,1,200),    "Var3": np.random.normal(0,1,200),    "Var4": np.random.normal(0,1,200),    "Var5": np.random.normal(0,1,200),})data["Var2"] = data["Var1"] * 0.8 + np.random.normal(0,0.2,200)data["Var4"] = data["Var3"] * -0.7 + np.random.normal(0,0.3,200)# =========================# 计算相关矩阵# =========================corr = data.corr()corr = corr.sort_values(by=corr.columns[0], ascending=False)corr = corr.loc[corr.index]mask = np.triu(np.ones_like(corr, dtype=bool))# =========================# 绘图# =========================fig, ax = plt.subplots(figsize=(6,5))sns.heatmap(    corr,    mask=mask,    cmap="RdBu_r",    vmin=-1, vmax=1, center=0,    annot=True,    fmt=".2f",    annot_kws={"size":9},    square=True,    cbar_kws={"shrink":0.8})ax.set_title("Correlation Matrix / 相关矩阵", fontsize=14)# =========================# 保存# =========================out_path = os.path.join(OUT_DIR, "correlation_heatmap.jpg")fig.savefig(out_path, dpi=300, bbox_inches="tight")plt.close()print("Saved:", out_path)