python進行相關性分析并繪制散點的示例分析

這篇文章將為大家詳細講解有關python進行相關性分析并繪制散點的示例分析，小編覺得挺實用的，因此分享給大家做個參考，希望大家閱讀完這篇文章后可以有所收獲。

 需要用到的庫

主要用到的庫是pandas、numpy、matplotlib、seaborn等，想要使用seaborn庫必須要引入matplotlib庫，seaborn是作為它的外掛庫。

#1 load pakeage
 
import pandas as pd#讀寫表格以及表格處理
import numpy as np#用于數據計算
 
import geopandas as gpd
import matplotlib.pyplot as plt
import seaborn as sns
import os
import warnings
warnings.filterwarnings("ignore")
plt.rc('font',family='Times New Roman')
from glob import glob
from osgeo import gdal,gdal_array,gdalnumeric
plt.rcParams['font.sans-serif']=['Simhei']  #顯示中文
plt.rcParams['axes.unicode_minus']=False    #顯示負號

數據讀取

這里我使用的是師弟的一部分數據，在這里進行數據讀取。

df = pd.read_csv('./JXDY_1.csv',encoding='utf-8')
df.head()

這里我們做相關性分析

df.corr()#默認是pearson相關性分析

之后我們進行批量化的散點圖輸出，將相關性數據放在圖形上

a = 2#這里的相關性是從第二位開始進行計算的，所以我從第二位開始提取
for i in df.columns[3:]:
    a1 = sns.lmplot(y='fruit',x=i,data=df)
    ax = plt.gca()
    ax.text(0.9,1,"Pearson:{:.2f}".format(df.corr().iloc[1,a]),transform=ax.transAxes)#添加相關性
    a = a+1
    plt.savefig('./{}.jpg'.format(i),dpi=300,bbox_inches = 'tight')

 結果就大功告成了，之后吧結果輸出來就可以了！

關于“python進行相關性分析并繪制散點的示例分析”這篇文章就分享到這里了，希望以上內容可以對大家有一定的幫助，使各位可以學到更多知識，如果覺得文章不錯，請把它分享出去讓更多的人看到。