在Matplotlib中如何通过绘图来展示数据的相关性和协方差

要展示数据的相关性和协方差，可以使用散点图和热力图。下面分别介绍这两种方法：

1. 使用散点图展示数据的相关性：

import matplotlib.pyplot as plt import numpy as np  # 生成随机数据 np.random.seed(0) x = np.random.rand(100) y = x + np.random.rand(100)  # 绘制散点图 plt.scatter(x, y) plt.title('Scatter plot showing correlation') plt.xlabel('x') plt.ylabel('y') plt.show() 

在上述代码中，我们生成了两个随机数组x和y，并使用plt.scatter()函数绘制了散点图展示它们之间的相关性。

2. 使用热力图展示数据的协方差：

import matplotlib.pyplot as plt import numpy as np  # 生成随机数据 np.random.seed(0) data = np.random.rand(10, 10)  # 计算协方差矩阵 covariance = np.cov(data.T)  # 绘制热力图 plt.imshow(covariance, cmap='hot', interpolation='nearest') plt.colorbar() plt.title('Heatmap showing covariance matrix') plt.show() 

在上述代码中，我们生成了一个10x10的随机数据矩阵，计算了其协方差矩阵，并使用plt.imshow()函数绘制了热力图展示协方差矩阵的分布情况。