如何在Jupyter Notebook生成各Expression的Spearman相关性热力图？

要实现按Expression分组计算PR与Metrics的Spearman相关性，并生成带指定轴标题的热力图，可按以下步骤操作：

1. 导入依赖库 #

需要用到pandas处理数据，seaborn和matplotlib绘制热力图：

import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

2. 分组计算相关性 #

按Expression分组，计算每组内PR与Metrics的Spearman相关系数：

# 分组计算每个Expression的PR与Metrics的Spearman相关
corr_results = df.groupby('Expression').apply(
    lambda group: group['PR'].corr(group['Metrics'], method='spearman')
).reset_index(name='Spearman_Correlation')

3. 生成热力图 #

将结果转换为适合热力图的格式，绘制并设置轴标题：

# 设置画布大小
plt.figure(figsize=(10, 7))

# 绘制热力图，annot参数显示相关系数数值，cmap设置配色
heatmap = sns.heatmap(
    corr_results.set_index('Expression'),
    annot=True,
    cmap='coolwarm',
    vmin=-1,
    vmax=1,
    fmt='.2f'
)

# 设置轴标题和图表标题
heatmap.set_xlabel('Metrics')
heatmap.set_ylabel('PR')
plt.title('Spearman Correlation between PR & Metrics (by Expression)')

# 显示图表
plt.show()

说明 #

• 分组计算时，apply函数会遍历每个Expression分组，单独计算组内PR与Metrics的Spearman相关系数。
• 热力图的纵轴为Expression类别，横轴设为Metrics，纵轴标签设为PR，完全匹配需求；单元格内的数值为对应分组的相关系数，配色范围设置为[-1,1]（符合相关性系数的取值范围）。

内容的提问来源于stack exchange，提问作者Jun