我来帮你搞定这个困扰！首先咱们先解决热力图尺寸没变化的问题，然后再聊聊参数太多时更合适的相关性展示方法。

一、修复热力图尺寸不生效的问题 #

你之前的代码问题在于：创建了指定尺寸的子图，但没有把这个子图传递给seaborn.heatmap，所以热力图还是用了默认的绘图区域，自然尺寸没变化。正确的写法应该把subplots返回的ax对象传给heatmap：

import seaborn as sns
import matplotlib.pyplot as plt

# 创建指定尺寸的画布和轴对象
fig, ax = plt.subplots(figsize=(15, 15))  # 可根据参数数量调整，比如20x20
# 将ax传递给heatmap，让它在指定的轴上绘制
sns.heatmap(df.corr(), ax=ax)
plt.show()

另外，还可以加几个优化参数让热力图更清晰：

• 调整字体大小：用fontsize参数避免标签拥挤，比如fontsize=8
• 增加单元格间距：linewidths=0.5让格子边界更明显
• 旋转坐标轴标签：xticklabels=45, yticklabels=0防止x轴标签重叠

优化后的代码示例：

fig, ax = plt.subplots(figsize=(18, 18))
sns.heatmap(
    df.corr(),
    ax=ax,
    fontsize=7,
    linewidths=0.3,
    xticklabels=45,
    yticklabels=0,
    annot=True  # 如果需要显示具体相关系数值，加上这个参数
)
plt.tight_layout()  # 自动调整布局，避免标签被截断
plt.show()

二、参数过多时的替代展示方案 #

如果参数实在太多（比如超过30个），哪怕放大热力图也会显得拥挤，这时候可以试试这些方法：

1. 聚类热力图（Clustered Heatmap） #

用sns.clustermap可以自动把相关性高的参数聚类在一起，减少视觉混乱，同时也支持调整尺寸：

sns.clustermap(
    df.corr(),
    figsize=(16, 16),
    cmap='coolwarm',
    fontsize=7,
    linewidths=0.2
)
plt.show()

它会在热力图旁边加上聚类树，帮你快速识别参数组的相关性模式。

2. 筛选高相关系数 #

只展示相关性绝对值超过某个阈值（比如0.5）的关系，过滤掉弱相关的噪音：

import numpy as np
corr_matrix = df.corr()
# 用mask过滤掉绝对值小于0.5的相关系数
filtered_corr = corr_matrix.mask(np.abs(corr_matrix) < 0.5)

fig, ax = plt.subplots(figsize=(15, 15))
sns.heatmap(filtered_corr, ax=ax, annot=True, cmap='coolwarm', fontsize=8)
plt.show()

3. 交互式热力图 #

用Plotly生成可缩放、hover查看数值的交互式热力图，体验会好很多：

import plotly.express as px

fig = px.imshow(
    df.corr(),
    text_auto=True,  # 显示数值
    aspect="auto",   # 自动调整宽高比
    color_continuous_scale='coolwarm'
)
fig.show()

你可以用鼠标滚轮缩放，hover在单元格上查看具体的相关系数和参数名称。

4. 相关系数表格展示 #

用Pandas的Style功能生成带颜色渐变的交互式表格，适合需要精确查看数值的场景：

df.corr().style.background_gradient(cmap='coolwarm').set_precision(2)

在Jupyter Notebook里运行的话，这个表格可以直接排序、筛选，非常方便。

内容的提问来源于stack exchange，提问作者Fish1996