python如何计算空间自相关

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure(figsize=(15,5),dpi=300)
# 生成示例数据
np.random.seed(0)
data = np.random.rand(10, 10)  # 替换为您的数据

# 创建数据框
df = pd.DataFrame(data)

# 计算皮尔逊相关系数
correlation_matrix = df.corr()

# 绘制热力图
plt.figure(figsize=(10, 8))  # 设置图形大小
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt=".2f", linewidths=0.5)
plt.title('皮尔逊相关系数热力图')
x_new=np.arange(0.5,10.5)
x_label_ticks=["数学","英语","物理","语文","化学","生物","地理","科学","政治","历史"]
plt.xticks(x_new,x_label_ticks,rotation=0)
plt.yticks(x_new,x_label_ticks,rotation=0)
plt.show()

x_label_ticks为所需要绘制的所有特征名，x_new需要改成[0.5,所有特征个数+0.5]

上述代码为完整的皮尔逊相关系数热力图：

下三角热力图：
 

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure(figsize=(15,5),dpi=300)

# 生成示例数据
np.random.seed(0)
data = np.random.rand(10, 10)  # 替换为您的数据

# 创建数据框
df = pd.DataFrame(data)

# 计算皮尔逊相关系数
correlation_matrix = df.corr()

# 创建下三角矩阵
mask = np.triu(np.ones_like(correlation_matrix, dtype=bool))
np.fill_diagonal(mask, False)
#mask = np.tri(len(correlation_matrix), k=-1)

# 绘制热力图
plt.figure(figsize=(10, 8))  # 设置图形大小
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt=".2f", linewidths=0.5, mask=mask)
plt.title('下三角皮尔逊相关系数热力图')

# 设置刻度标签
x_new = np.arange(0.5, 10.5)
x_label_ticks = ["数学", "英语", "物理", "语文", "化学", "生物", "地理", "科学", "政治", "历史"]
plt.xticks(x_new, x_label_ticks, rotation=0)
plt.yticks(x_new, x_label_ticks, rotation=0)

plt.show()

若无需对角线自相关，则添加np.fill_diagonal(mask, True)即可：

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure(figsize=(15,5),dpi=300)

# 生成示例数据
np.random.seed(0)
data = np.random.rand(10, 10)  # 替换为您的数据

# 创建数据框
df = pd.DataFrame(data)

# 计算皮尔逊相关系数
correlation_matrix = df.corr()

# 创建下三角矩阵
mask = np.triu(np.ones_like(correlation_matrix, dtype=bool))
np.fill_diagonal(mask, True)
#mask = np.tri(len(correlation_matrix), k=-1)

# 绘制热力图
plt.figure(figsize=(10, 8))  # 设置图形大小
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt=".2f", linewidths=0.5, mask=mask)
plt.title('下三角皮尔逊相关系数热力图')

# 设置刻度标签
x_new = np.arange(0.5, 10.5)
x_label_ticks = ["数学", "英语", "物理", "语文", "化学", "生物", "地理", "科学", "政治", "历史"]
plt.xticks(x_new, x_label_ticks, rotation=0)
plt.yticks(x_new, x_label_ticks, rotation=0)

plt.show()

上三角热力图：

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure(figsize=(15,5),dpi=300)

# 生成示例数据
np.random.seed(0)
data = np.random.rand(10, 10)  # 替换为您的数据

# 创建数据框
df = pd.DataFrame(data)

# 计算皮尔逊相关系数
correlation_matrix = df.corr()

# 创建掩码矩阵
mask = np.tri(len(correlation_matrix), k=0, dtype=bool)

# 绘制热力图
plt.figure(figsize=(10, 8))  # 设置图形大小
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt=".2f", linewidths=0.5, mask=mask)
plt.title('上三角皮尔逊相关系数热力图')

# 设置刻度标签
x_new = np.arange(0.5, 10.5)
x_label_ticks = ["数学", "英语", "物理", "语文", "化学", "生物", "地理", "科学", "政治", "历史"]
plt.xticks(x_new, x_label_ticks, rotation=0)
plt.yticks(x_new, x_label_ticks, rotation=0)

plt.show()

若需要对角列，则numpy的tri函数参数k改成-1即可

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
plt.rcParams['font.sans-serif'] = ['SimHei']  # 用来正常显示中文标签
plt.rcParams['axes.unicode_minus'] = False  # 用来正常显示负号
plt.figure(figsize=(15,5),dpi=300)

# 生成示例数据
np.random.seed(0)
data = np.random.rand(10, 10)  # 替换为您的数据

# 创建数据框
df = pd.DataFrame(data)

# 计算皮尔逊相关系数
correlation_matrix = df.corr()

# 创建下三角矩阵
mask = np.tri(len(correlation_matrix), k=-1)

# 绘制热力图
plt.figure(figsize=(10, 8))  # 设置图形大小
sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm', fmt=".2f", linewidths=0.5, mask=mask)
plt.title('上三角皮尔逊相关系数热力图')

# 设置刻度标签
x_new = np.arange(0.5, 10.5)
x_label_ticks = ["数学", "英语", "物理", "语文", "化学", "生物", "地理", "科学", "政治", "历史"]
plt.xticks(x_new, x_label_ticks, rotation=0)
plt.yticks(x_new, x_label_ticks, rotation=0)

plt.show()