Korrelationsmatrix mit Pandas

Ich habe einen Datensatz mit riesigen Anzahl von Funktionen, also die Analyse der Korrelationsmatrix sehr schwierig geworden ist. Ich will plot eine Korrelations-matrix, die wir erhalten, mit dataframe.corr() Funktion von pandas-Bibliothek. Gibt es irgendeine eingebaute Funktion des pandas-Bibliothek zum zeichnen dieser matrix?

InformationsquelleAutor der Frage Gaurav Singh | 2015-04-03

115

Können Sie pyplot.matshow() von matplotlib:
```
import matplotlib.pyplot as plt

plt.matshow(dataframe.corr())
```
InformationsquelleAutor der Antwort jrjc

Versuchen, diese Funktion zeigt den Namen der Variablen für die Korrelations-matrix:

def plot_corr(df,size=10):
    '''Function plots a graphical correlation matrix for each pair of columns in the dataframe.

    Input:
        df: pandas DataFrame
        size: vertical and horizontal size of the plot'''

    corr = df.corr()
    fig, ax = plt.subplots(figsize=(size, size))
    ax.matshow(corr)
    plt.xticks(range(len(corr.columns)), corr.columns);
    plt.yticks(range(len(corr.columns)), corr.columns);

InformationsquelleAutor der Antwort Apogentus

Seaborn ' s heatmap version:

import seaborn as sns
corr = dataframe.corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values)

InformationsquelleAutor der Antwort rafaelvalle

32

Können Sie beobachten die Beziehung zwischen den Besonderheiten entweder durch ziehen einer heat-map von seaborn oder scatter-matrix von pandas.

Scatter-Matrix:
```
pd.scatter_matrix(dataframe, alpha = 0.3, figsize = (14,8), diagonal = 'kde');
```
Wenn Sie visualisieren möchten, um jede Funktion schiefe als auch - Nutzung seaborn pairplots.
```
sns.pairplot(dataframe)
```
Sns Heatmap:
```
import seaborn as sns

f, ax = pl.subplots(figsize=(10, 8))
corr = dataframe.corr()
sns.heatmap(corr, mask=np.zeros_like(corr, dtype=np.bool), cmap=sns.diverging_palette(220, 10, as_cmap=True),
            square=True, ax=ax)
```
Die Ausgabe wird eine Korrelation anzeigen der Funktionen. also siehe das folgende Beispiel.

Den Zusammenhang zwischen Lebensmittel und Reinigungsmittel ist hoch. Ähnlich:

Pdoducts Mit Hoher Korrelation:
1. Lebensmittel und Reinigungsmittel.
Produkte Mit Mittlere Korrelation:
1. Milch-und Lebensmittelgeschäft
2. Milch und Detergents_Paper
Produkte Mit Geringer Korrelation:
1. Milch und Feinkost
2. Gefrorene und Frische.
3. Tiefkühl-und Feinkost.
Vom Pairplots: Sie können beobachten, gleichen Satz von Beziehungen aus pairplots oder scatter-matrix. Aber von diesen können wir sagen, ob die Daten normal verteilt sind oder nicht.

Hinweis: Die oben ist der gleiche graph entnommen, die Daten, die verwendet wird, zu zeichnen heatmap.

InformationsquelleAutor der Antwort phanindravarma
1

Wenn Ihr Hauptziel ist die Visualisierung der Korrelationsmatrix, anstatt eine Handlung per se, die bequem pandas styling-Optionen ist eine brauchbare integrierte Lösung:
```
import pandas as pd
import numpy as np

rs = np.random.RandomState(0)
df = pd.DataFrame(rs.rand(10, 10))
corr = df.corr()
corr.style.background_gradient()
```
Beachten Sie, dass diese Bedürfnisse werden in einem backend unterstützt die Darstellung von HTML, wie die JupyterLab Notebook. (Das automatische heller text auf dunklen Hintergründen ist aus einem bestehenden PR-und nicht die Letzte veröffentlichte version, pandas 0.23).

Styling

Können Sie ganz einfach begrenzen Sie die digit Genauigkeit:
```
corr.style.background_gradient().set_precision(2)
```
- Oder get-rid-of die Ziffern zusammen, wenn Sie bevorzugen die matrix ohne Anmerkungen:
```
corr.style.background_gradient().set_properties(**{'font-size': '0pt'})
```
Styling-Dokumentation enthält auch Anweisungen für erweiterte Stile, wie so ändern Sie die Anzeige der Zelle mit dem Mauszeiger überfahren. Zum speichern der Ausgabe, die Sie zurückbringen könnte die HTML durch anfügen der render() Methode und dann Schreibe es in eine Datei (oder auch nur einen screenshot für weniger formelle Zwecke).

Zeit Vergleich

In meinen Tests style.background_gradient() war 4x schneller als plt.matshow() und 120x schneller als sns.heatmap() mit einer 10x10 matrix. Leider ist es nicht so gut skalieren wie plt.matshow(): die beiden etwa die gleiche Zeit für eine 100x100 matrix und der plt.matshow() ist 10x schneller für eine 1000x1000 matrix.

InformationsquelleAutor der Antwort Joel Ostblom

Schreibe einen Kommentar

Du musst angemeldet sein, um einen Kommentar abzugeben.

Styling

Zeit Vergleich