Python seaborn画热力图(heatmap)删除相关性高的的特征

seaborn.heatmap(data, vmin=None, vmax=None, annot=None，center=None)

重要参数说明：
data: 二维数组，Series,DataFrame（取index和columns）
vmin,vmax:表示热力颜色的最小值和最大值
annot：是否显示具体数值
center:表示热力颜色的中间值，默认会自动调节
更多参数可以在seaborn官网搜索。
https://seaborn.pydata.org/generated/seaborn.heatmap.html?highlight=heatmap#seaborn.heatmap

由于热力图的可视化特性，经常用来研究特征值之间的相关性。
下面是一个房屋特征热力图来研究特征相关性的例子：

correlation=train_data.corr()
plt.subplots(figsize=(12,9))
sns.heatmap(correlation,vmax=0.8)
plt.savefig("../heatmap")

代码中首先对训练集数据取相关系数，用heatmap函数显示热力图。在参数方面选择了vmax来方便找出相关度比较高的特征，由于格子比较密集没有选择用annot显示数值。图中能很方便的看出相关度比较高的特征（白色的）之后地清洗中删去其中之一即可。（有些时候可以使center=0，来找负相关的，本例中没有负相关度高的特征值）