科研作图之绘制带有显著性标记的相关系数热力图 - 文章 - 开发者社区

picture.image

一般的相关系数热力图通常用于展示变量之间的相关性强弱，但它们不直接支持在热力图上显示显著性水平（如星号或颜色标记），具体来说：

一般热力图：一般使用像 seaborn 或 matplotlib 这样的库来创建，它们通过颜色编码来显示相关系数的大小，通常使用数字标注在每个格子内
显著性标记的需求：在科研和统计分析中，除了显示相关性本身外，还常常需要展示哪些相关系数在统计上显著不同于零（例如，显著性水平为0.05或更高），这种需求是为了进一步解释相关性的真实性和稳健性
实现显著性标记：为了在热力图上添加显著性标记，需要额外的代码来计算相关系数的显著性，并在热力图上以符号或颜色的形式进行标注，这需要在相关性分析之外进行额外的统计分析和代码编写，以确保显著性水平的正确显示

代码实现

数据生成


          
import pandas as pd
          
import numpy as np
          
import seaborn as sns
          
from scipy.stats import pearsonr
          
import matplotlib.pyplot as plt
          

          

          
# 生成具有10个特征的数据
          
np.random.seed(0)
          
data = np.random.rand(100, 10)
          
columns = [f'feature_{i+1}' for i in range(10)]
          
df = pd.DataFrame(data, columns=columns)

计算相关系数及显著性P值


          
# 计算相关系数矩阵和显著性p值矩阵
          
corr_matrix = df.corr()
          
p_values = pd.DataFrame(np.zeros((10, 10)), columns=columns, index=columns)
          

          
for i in range(10):
          
    for j in range(10):
          
        if i == j:
          
            p_values.iloc[i, j] = 0
          
        else:
          
            _, p_value = pearsonr(df.iloc[:, i], df.iloc[:, j])
          
            p_values.iloc[i, j] = p_value

绘制热力图


          
plt.figure(figsize=(10, 10))
          
sns.set(font_scale=1.2)
          
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt=".2f")
          
plt.xticks(rotation=45)
          
plt.title('Correlation coefficient heat map')
          
plt.show()

picture.image

这是一般的热力图，它不会显示相关系数的显著性结果

绘制带有显著性标记的相关系数热力图


          
# 创建相关系数热力图
          
plt.figure(figsize=(10, 10))
          
sns.set(font_scale=1.2)
          
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', fmt=".2f")
          

          
# 添加P值标记
          
for i in range(len(np.array(p_values))):
          
    for j in range(len(np.array(p_values))):
          
        if i != j:  # 跳过对角线上的元素
          
            if np.array(p_values)[i, j] < 0.01:
          
                plt.text(j + 0.5, i + 0.25, "**", horizontalalignment='center', verticalalignment='center', fontsize=16, color='black')
          
            elif np.array(p_values)[i, j] < 0.05:
          
                plt.text(j + 0.5, i + 0.25, "*", horizontalalignment='center', verticalalignment='center', fontsize=16, color='black')
          

          
plt.xticks(rotation=45)
          
plt.title('Correlation Coefficient Heatmap with Significance Levels')
          
plt.show()