Python绘制分组相关性矩阵图

# =========================================================================================# ====================================== 1. 环境设置 =======================================# =========================================================================================import numpy as npimport pandas as pdimport matplotlib.pyplot as pltimport seaborn as snsfrom scipy.stats import pearsonrimport matplotlib.gridspec as gridspecimport matplotlibmatplotlib.rcParams['pdf.fonttype'] = 42matplotlib.rcParams['ps.fonttype'] = 42plt.rcParams['font.family'] = 'Times New Roman'plt.rcParams['axes.unicode_minus'] = False

# =========================================================================================# ======================================2.颜色库============================================# =========================================================================================COLOR_THEMES = {    1: ['#88cadd', '#1f77b4', '#f9d276', '#f4988b'],}

# =========================================================================================# ======================================4.绘图函数============================================# =========================================================================================def plot_correlation_matrix(df):    group_col = df.columns[-1]  #分组列    fig = plt.figure(figsize=(15, 15))    #布局调整    gs = gridspec.GridSpec(n_vars + 1,  #行                           n_vars + 1,  #列                           wspace=0.08,  #列间距                           hspace=0.08)  #行间距

    #遍历行    for i in range(n_vars + 1):        #遍历列        for j in range(n_vars + 1):                    ax_inner.set_xlim(x_min - padding, x_max + padding)  #x轴范围                    ax_inner.set_ylabel('')  #y轴标题                    ax_inner.set_xlabel('')  #x轴标题                    #不是最左边第一列                    if j > 0:                        ax_inner.tick_params(left=False, labelleft=False)  #去掉y轴的刻度                    #最左侧                    else:                        ax_inner.yaxis.set_major_locator( plt.MaxNLocator(3, integer=True))  #y轴刻度标注数量                        ax_inner.tick_params(axis='y', labelsize=10)  #y轴字体大小                    #不是最后一组                    if k < n_groups - 1:                        ax_inner.tick_params(bottom=False, labelbottom=False)  #去掉X轴刻度                continue  #结束

       ax = fig.add_subplot(gs[i, j])  #为除了底部直方图区域之外的其他区域分配坐标轴对象            # 判断是否处在主体变量间两两比较的正方形区域内部            if i < n_vars and j < n_vars:                #下三角                elif i > j:                    #遍历每个分组                    for group in group_order:                        sub_df = df[df[group_col] == group]  #该组别数据                        #绘制散点图                        sns.regplot(data=sub_df,  #数据                                    x=x_var,  #x                                    y=y_var,  #y                                    color=palette[group],  #颜色                                    scatter_kws={'s': 15, 'alpha': 0.8},  #大小、透明度                                    line_kws={'alpha': 0.8},  #线透明度                                    ax=ax)  #轴                #非首列子图                if j > 0:                    ax.tick_params(left=False, labelleft=False)  #去除刻度标注                if i < n_vars:                    ax.tick_params(bottom=False, labelbottom=False) #去除刻度标注

           #最后一列，非最后一行            elif j == n_vars and i < n_vars:                sns.boxplot(data=df,  #数据                            x=group_col,  #x                            y=vars_list[i],  #y                            hue=group_col,  #按照不同分组类别进行颜色分类                            legend=False,  #图例                            palette=palette,  #颜色                            ax=ax,  #轴                            order=group_order,  #顺序                            width=0.6,  #宽                            fliersize=3)  #异常点                # 清空x、y轴标题                ax.set_xlabel('')                ax.set_ylabel('')                ax.text(1.1,  #x                        0.5,#y                        group_col,  #分组名                        rotation=-90,  #旋转                        va='center',  #垂直                        ha='left',  #水平                        fontsize=20,  #大小                        transform=ax.transAxes)  #坐标系

    #属性    bbox_style = dict(boxstyle="square,pad=0.4",  #直角方块形状，间隔距离                      fc="white",  #填充色                      ec="black",  #外框色                      lw=1.2)  #外框线宽    fig.text(0.04,  #x             0.81,  #y             'Density',  #文本             va='center',  #垂直             ha='center',  #水平             rotation='vertical',  #旋转             fontsize=16,  #字体大小             bbox=bbox_style)  #外框属性

# =========================================================================================# ======================================2.颜色库============================================# =========================================================================================if __name__ == '__main__':    excel_filename = r"data.xlsx"  #原始数据路径    df = pd.read_excel(excel_filename)  #读取数据    else:        scheme_id = 1        plot_correlation_matrix(df)        print('正在绘制方案：', scheme_id)

excel_filename = r"data.xlsx" 

2.设置是否进行批量绘图，执行部分：

plot_all = True

group_col = df.columns[-1] 

4.设置绘图结果的保存地址，绘图函数部分：

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