如果用python绘制相关性热图，通常选择seaborn包，内置的heatmap函数可以直接将df.corr()生成的相关性数据帧作为参数导入，只需要设置x轴y轴的标签，热图颜色等即可，不需要对数据源进行更改。
但是如果我们用pyecharts绘制交互式的热图，就不能直接利用df.corr()的结果了，因为pyecharts热图的数据源格式是这样的：
这是一个嵌套列表，列表中的每一个元素也是列表，其前两位对应的是热图的x轴和y轴坐标索引，第三个值是需要进行展示的热图数据。这样的话，就不得不对dataframe生成的相关性矩阵数据进行转换。这里我们写一个简单的脚本实现它，如下：
import pandas as pd
def dfcorr2pyecharts(df:pd.DataFrame)->list:
"""
将dataframe相关性数据帧转换为pyecharts热图数据源
"""
corr_rows = df.shape[0]
corr_cols = df.shape[1]
return [[i, j, round(df.iloc[corr_rows-1-j,i],3)] for i in range(corr_cols) for j in range(corr_rows)]很简单不是，来看运行一下效果，未经转换的相关性矩阵dataframe是这样的：
写一个脚本对它进行转换：
corr_df = pd.read_csv(r'你的相关系数矩阵csv文件路径',index_col=0)
print ('\n转换前的dataframe:')
print ('-------------------------------------------------------')
print (corr_df)
print ('-------------------------------------------------------')
echart_data = dfcorr2pyecharts(corr_df)
print ('转换后的Pyecharts热图数据源:')
print ('-------------------------------------------------------')
print (echart_data)结果如下，可以放到HeatMap.add_yaxis()里使用了：
文章评论