แสดงเฉพาะคอลัมน์แรกในเมทริกซ์สหสัมพันธ์ใน Python

ในกรณีของคุณ x คือ corrMatrix[['# of Prophages']]

df = pd.DataFrame({'A': np.random.rand(8), 'B': np.random.rand(8)})
corr = df.corr()

x = corr[['A']]
sns.heatmap(x)

แก้ไข:

    A            B
A   1.000000    -0.192375
B   -0.192375   1.000000

sns.heatmap(corr):

sns.แผนที่ความร้อน(x):

สิ่งนี้อาจช่วยคุณได้:

เครดิตไปที่ unutbu

import numpy as np
import matplotlib.pyplot as plt
import seaborn as sns
import seaborn.matrix as smatrix

sns.set()

flights_long = sns.load_dataset("flights")
flights = flights_long.pivot("month", "year", "passengers")
flights = flights.reindex(flights_long.iloc[:12].month)
sns.heatmap(flights)

ผลลัพธ์:

columns = [1953]
myflights = flights.copy()
mask = myflights.columns.isin(columns)
myflights.loc[:, mask] = 0
arr = flights.values
vmin, vmax = arr.min(), arr.max()
sns.heatmap(flights, mask=myflights, annot=True, fmt="d", vmin=vmin, vmax=vmax)

เอาต์พุต:

columns = [1953]
myflights = flights.copy()
mask = myflights.columns.isin(columns)
myflights = myflights.loc[:, mask]
arr = flights.values
vmin, vmax = arr.min(), arr.max()
sns.heatmap(myflights, annot=True, fmt="d", vmin=vmin, vmax=vmax)

เอาต์พุต:

สิ่งนี้ใช้ได้กับฉันกับข้อมูลจำลอง:

df = pd.DataFrame(corrMatrix['# of Prophages'],
              index=corrMatrix.index)

sns.heatmap(df, annot=True, fmt="g", cmap='viridis')

plt.show()

สิ่งนี้ดัดแปลงมาจากคำตอบนี้: Seaborn Heatmap ที่มีคอลัมน์เดียว