• 网格矩阵图可以查看多个变量的关系，但是如果要查看的变量两两之间的关系过多，网格矩阵图就会变得非常庞大而难以观察。
• 这种情况下，想要快速查看变量两两之间的相关性，还有一种方法就是使用热力图，具体来讲是变量相关性热力图。

在讲解变量相关性热力图之前，我们首先要学习生成相关系数矩阵。如果数据是DataFrame对象，那么，生成相关系数矩阵比较简单，直接调用DataFrame对象的corr()方法即可。比如，我们要生成单价和房价之间的相关系数矩阵，可以单独提取这两个变量，然后调用corr()方法：

bj[["房价","单价","面积"]].corr()

• 可以看到房价和单价相互之间的相关系数为0.5107，相关性不大。而面积和房价的相关系数比较高，达到0.726.
• 值得注意的是，这里使用的是皮尔逊相关系数。
• 那么，接下来，把上面生成的相关系数矩阵表，放在sns.heatmap()画图函数中即可。

sns.heatmap(bj[["房价","单价","面积"]].corr());

那么这样，我们就可以根据颜色深浅一目了然地判断变量之间的关系。

尝试在右上角的代码框，快速生成bj表中所有数值型变量的相关系数热力图。