如何在seaborn中创建三角相关热图？

在数据可视化中，热图是一种非常常见的方式，可以展示数据集中的变化，尤其是相关度和分布等。而在seaborn库中，三角相关热图是一种独特的热图类型，如果您不知道如何使用，那么本文将会介绍如何在seaborn中创建三角相关热图。

什么是三角相关热图？

在三角形中，短边和长边之间的角度受到第三条边长度的影响，同样，在三角相关热图中，我们也是展示数据的相关度，但数据集中不同变量之间的相关度大小是通过另一个变量进行衡量，而不是两个变量之间的相关度。

导入依赖库

在本教程中，我们会使用python的seaborn库来创建三角相关热图，同时也需要导入pandas库和numpy库的支持，因此我们需要在代码中添加以下代码来导入这些库。

import seaborn as sns
import pandas as pd
import numpy as np

准备数据

在编写三角相关热图代码之前，我们需要准备数据。数据需要满足下列两个要求：

原始数据应该是对称矩阵；
需要为数据矩阵添加标签。

让我们看一下一个示例数据集。

raw_data = [['', 'A', 'B', 'C', 'D', 'E'], 
            ['A', 1.0, 0.1, 0.1, 0.2, 0.3], 
            ['B', 0.1, 1.0, 0.4, 0.3, 0.2],
            ['C', 0.1, 0.4, 1.0, 0.5, 0.6],
            ['D', 0.2, 0.3, 0.5, 1.0, 0.7],
            ['E', 0.3, 0.2, 0.6, 0.7, 1.0]]

data = pd.DataFrame(raw_data[1:], columns=raw_data[0])
data = data.set_index('')

这是一个包含5个变量（A，B，C，D和E）的数据集，并显示它们之间的相关度。在这个数据集中，每个变量与自己的相关度为1.0。其他变量的相关度可以在如下矩阵中看到：

	A	B	C	D	E
A	1.0	0.1	0.1	0.2	0.3
B	0.1	1.0	0.4	0.3	0.2
C	0.1	0.4	1.0	0.5	0.6
D	0.2	0.3	0.5	1.0	0.7
E	0.3	0.2	0.6	0.7	1.0

创建三角热图

有了数据集，我们现在可以使用seaborn库来创建三角相关热图。SigmaPlot软件中的三角相关热图比较好看，在seaborn中，我们需要运用到hmplot对象创建函数（heatmap）和tricontourf对象创建函数(tricontourf) 来创建三角相关热图，它们是在一个sns.PairGrid内处理的。sns.PairGrid函数从我们的数据生成一个PairGrid对象，其中包含每个变量的直方图和散点图等。然后，我们使用其中的map_diag，map_offdiag和map_upper方法来添加三角相关热图。

g = sns.PairGrid(data)
g.map_offdiag(sns.heatmap, cmap='Blues', cbar=False, mask=np.triu(np.ones([5, 5], bool)))
g.map_upper(sns.tricontourf, cmap='Blues', levels=6)
g.fig.subplots_adjust(wspace=0.1, hspace=0.1)

让我们来解释一下上面代码的每一行：

第一行：创建sns.PairGrid对象并传入我们的数据集。
第二行：使用map_offdiag方法来创建不在对角线上的三角形。heatmap函数创建一个热图，使用Blues颜色映射和False的colorbar选项。np.triu(np.ones([5, 5], bool))创建一个上三角矩阵，因为我们只想在三角形中显示相关性（对称矩阵），因此图中需要显示上半部分，下半部分颜色设置为白色。
第三行：map_upper方法来绘制上三角区域。使用tricontourf函数创建三角区域的填充颜色，仍然使用Blues颜色映射，等级设置为6。
第四行：修改图形的子图间距和大小。