要展示数据的相关性和协方差，可以使用散点图和热力图。下面分别介绍这两种方法：
import matplotlib.pyplot as plt
import numpy as np
# 生成随机数据
np.random.seed(0)
x = np.random.rand(100)
y = x + np.random.rand(100)
# 绘制散点图
plt.scatter(x, y)
plt.title('Scatter plot showing correlation')
plt.xlabel('x')
plt.ylabel('y')
plt.show()
在上述代码中，我们生成了两个随机数组x和y，并使用plt.scatter()函数绘制了散点图展示它们之间的相关性。
import matplotlib.pyplot as plt
import numpy as np
# 生成随机数据
np.random.seed(0)
data = np.random.rand(10, 10)
# 计算协方差矩阵
covariance = np.cov(data.T)
# 绘制热力图
plt.imshow(covariance, cmap='hot', interpolation='nearest')
plt.colorbar()
plt.title('Heatmap showing covariance matrix')
plt.show()
在上述代码中，我们生成了一个10x10的随机数据矩阵，计算了其协方差矩阵，并使用plt.imshow()函数绘制了热力图展示协方差矩阵的分布情况。
