如何用Seaborn绘制基于目标值的特征组合相关性热力图？

需求说明 #

我们需要的不是常规的特征间相关性热力图，而是识别特征组合（或单个特征状态）与target_value的关联关系，同时要能根据target_value的阈值筛选热力图轴上显示的特征，还要分析特定特征取值（比如feature_1=4）与target_value的相关性。

以下是原始数据和编码后的二值特征数据：

原始CSV数据 #

feature_1,  feature_2,  feature_3,  feature_4,  target_value
4,          8,          9,          8,          0.1
9,          7,          2,          0,          0.2
4,          4,          1,          4,          0.6
9,          7,          8,          4,          0.7
0,          9,          0,          7,          0.9

编码后的二值特征数据（基于阈值转0/1） #

feature_1,  feature_2,  feature_3,  feature_4,  target_value
0,          1,          1,          1,          0.1
1,          1,          0,          0,          0.2
0,          0,          0,          0,          0.6
1,          1,          1,          0,          0.7
0,          1,          0,          1,          0.9

解决方案 #

1. 构建特征组合与target_value的关联热力图 #

要展示两个特征的组合对target_value的影响，我们可以计算特征交叉项与target_value的相关性，或者直接统计特征组合对应的target_value均值，再用Seaborn绘制热力图。

基于二值特征的实现

针对编码后的0/1特征，生成两两特征的交叉项（代表“两个特征同时为1”的组合），计算交叉项与target_value的相关性：

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

# 加载编码后的数据
encoded_df = pd.DataFrame({
    'feature_1': [0,1,0,1,0],
    'feature_2': [1,1,0,1,1],
    'feature_3': [1,0,0,1,0],
    'feature_4': [1,0,0,0,1],
    'target_value': [0.1,0.2,0.6,0.7,0.9]
})

# 定义特征列表
features = ['feature_1', 'feature_2', 'feature_3', 'feature_4']
# 初始化相关性矩阵
corr_matrix = pd.DataFrame(index=features, columns=features, dtype=float)

# 填充矩阵：计算每对特征交叉项与target的相关性
for f1 in features:
    for f2 in features:
        cross_term = encoded_df[f1] * encoded_df[f2]
        corr_matrix.loc[f1, f2] = cross_term.corr(encoded_df['target_value'])

# 绘制热力图
plt.figure(figsize=(8,6))
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm', vmin=-1, vmax=1)
plt.title('特征组合与target_value的相关性热力图')
plt.show()

分析特定特征取值与target_value的相关性

以feature_1=4为例，筛选对应样本后，计算该子集内特征与target_value的相关性：

# 加载原始数据
raw_df = pd.DataFrame({
    'feature_1': [4,9,4,9,0],
    'feature_2': [8,7,4,7,9],
    'feature_3': [9,2,1,8,0],
    'feature_4': [8,0,4,4,7],
    'target_value': [0.1,0.2,0.6,0.7,0.9]
})

# 筛选feature_1=4的样本
f1_4_subset = raw_df[raw_df['feature_1'] == 4]
# 计算该子集内各特征与target的相关性
corr_result = f1_4_subset[features + ['target_value']].corr()['target_value'].drop('target_value')
print("feature_1=4时，各特征与target_value的相关性：\n", corr_result)

# 若要可视化，可将结果转为矩阵形式绘制热力图

2. 根据target_value筛选热力图轴上的特征 #

要实现“按target阈值自定义X/Y轴特征”，只需先筛选样本，再手动指定热力图的index和columns为目标特征列表即可。

示例：target_value >=0.5时，X轴显示feature_1/2，Y轴显示feature_3/4

# 筛选target >=0.5的样本
high_target_subset = raw_df[raw_df['target_value'] >= 0.5]
# 指定X/Y轴特征
x_features = ['feature_1', 'feature_2']
y_features = ['feature_3', 'feature_4']

# 构建关联矩阵（以特征交叉项与target的相关性为例）
target_corr_matrix = pd.DataFrame(index=y_features, columns=x_features, dtype=float)
for x in x_features:
    for y in y_features:
        cross_term = high_target_subset[x] * high_target_subset[y]
        target_corr_matrix.loc[y, x] = cross_term.corr(high_target_subset['target_value'])

# 绘制热力图
plt.figure(figsize=(6,4))
sns.heatmap(target_corr_matrix, annot=True, cmap='Blues')
plt.title('target_value >=0.5时，特征组合与target的相关性')
plt.show()

# target_value <0.5的场景只需替换筛选条件，重复上述步骤即可

补充提示 #

如果想更直观展示特征组合对target的影响，可以把相关性替换为特征组合对应的target均值（针对二值特征），代码示例：

# 替换相关性计算部分
target_mean = encoded_df[(encoded_df[f1]==1) & (encoded_df[f2]==1)]['target_value'].mean()
# 若没有该组合的样本，可填充NaN或0
corr_matrix.loc[f1, f2] = target_mean if not pd.isna(target_mean) else 0

内容的提问来源于stack exchange，提问作者MonteCristo