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：

使用散点图展示数据的相关性：

import matplotlib.pyplot as pltimport 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。

使用热力图展示数据的协方差：

import matplotlib.pyplot as pltimport 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。