定型

Question

我有一个具有大量功能的数据集，因此分析相关矩阵变得非常困难。我想绘制一个相关矩阵，我们从pandas库中使用dataframe.corr()函数得到。是否有大熊猫库提供的内置函数来绘制这个矩阵？

Answer 1

您可以使用matplotlib中的pyplot.matshow()：

import matplotlib.pyplot as plt

plt.matshow(dataframe.corr())
plt.show()

Answer 2

尝试此功能，该功能还显示相关矩阵的变量名称：

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);

Answer 3

如果你的主要目标是可视化相关矩阵，而不是创建一个情节本身，方便的pandas styling options是一个可行的内置解决方案：

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(cmap='coolwarm')
# 'RdBu_r' & 'BrBG' are other good diverging colormaps

请注意，这需要位于支持呈现HTML的后端，例如JupyterLab Notebook。（深色背景上的自动亮文本来自现有PR，而不是最新发布的版本pandas 0.23）。

定型

您可以轻松限制数字精度：

corr.style.background_gradient(cmap='coolwarm').set_precision(2)

如果您更喜欢没有注释的矩阵，请完全删除数字：

corr.style.background_gradient(cmap='coolwarm').set_properties(**{'font-size': '0pt'})

样式文档还包含更高级样式的说明，例如如何更改鼠标指针悬停在其上的单元格的显示。要保存输出，您可以通过附加render()方法返回HTML，然后将其写入文件（或者仅为不太正式的目的截取屏幕截图）。

时间比较

在我的测试中，style.background_gradient()比plt.matshow()快4倍，比sns.heatmap()快10倍10x10矩阵。不幸的是，它的扩展性不如plt.matshow()：对于100x100矩阵，两者大约需要相同的时间，而对于1000x1000矩阵，plt.matshow()要快10倍。

pandas的更新＆gt; = 0.24

通过设置axis=None，现在可以根据整个矩阵而不是每列或每行计算颜色：

corr.style.background_gradient(cmap='coolwarm', axis=None)

Answer 4

Seaborn的热图版本：

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

Answer 5

您可以通过从seaborn绘制热图或从pandas绘制散射矩阵来观察要素之间的关系。

分散矩阵：

pd.scatter_matrix(dataframe, alpha = 0.3, figsize = (14,8), diagonal = 'kde');

如果你想要想象每个特征的偏斜度 - 使用seaborn pairplots。

sns.pairplot(dataframe)

Sns热图：

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)

输出将是功能的相关性映射。即见下面的例子。

杂货和洗涤剂之间的相关性很高。类似地：

具有高相关性的Pdoducts：

杂货和洗涤剂。

牛奶和杂货
Milk and Detergents_Paper

牛奶和熟食店
冷冻和新鲜。
冷冻和熟食。

来自Pairplots：您可以从配对图或散点矩阵中观察到相同的关系集。但是从这些我们可以说数据是否正常分布。

注意：以上是与数据相同的图表，用于绘制热图。

Answer 6

如果数据框为df，则可以简单地使用：

import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(15, 10))
sns.heatmap(df.corr(), annot=True)

Answer 7

您可以使用matplotlib中的imshow（）方法

import pandas as pd
import matplotlib.pyplot as plt
matplotlib.style.use('ggplot')

plt.imshow(X.corr(), cmap=plt.cm.Reds, interpolation='nearest')
plt.colorbar()
tick_marks = [i for i in range(len(X.columns))]
plt.xticks(tick_marks, X.columns, rotation='vertical')
plt.yticks(tick_marks, X.columns)
plt.show()

Answer 8

statmodels图形还提供了很好的相关矩阵视图

import statsmodels.api as sm
import matplotlib.pyplot as plt

corr = dataframe.corr()
sm.graphics.plot_corr(corr, xnames=list(corr.columns))
plt.show()

Answer 9

与其他方法一起，使用pairplot可以很好地显示所有情况下的散点图-

import pandas as pd
import numpy as np
import seaborn as sns
rs = np.random.RandomState(0)
df = pd.DataFrame(rs.rand(10, 10))
sns.pairplot(df)

Answer 10

令人惊讶的是，没有人提到任何一种功能更强大，更具交互性且更易于使用的替代方案。

A）您可以使用plotly：

只需两行，您就会得到：
互动性
平滑比例，
基于整个数据框而不是单个列的颜色
列名和轴上的行索引，
放大
平移，
内置一键式功能，可以将其保存为PNG格式，
自动缩放，
悬停比较，
冒泡显示值，因此热图仍然看起来不错，您可以看到所需的值：

import plotly.express as px
fig = px.imshow(df.corr())
fig.show()

B）您也可以使用Bokeh：

所有相同的功能都有些麻烦。但是，如果您不想选择加入，但仍然想要所有这些东西，仍然值得：

from bokeh.plotting import figure, show, output_notebook
from bokeh.models import ColumnDataSource, LinearColorMapper
from bokeh.transform import transform
output_notebook()
colors = ['#d7191c', '#fdae61', '#ffffbf', '#a6d96a', '#1a9641']
TOOLS = "hover,save,pan,box_zoom,reset,wheel_zoom"
data = df.corr().stack().rename("value").reset_index()
p = figure(x_range=list(df.columns), y_range=list(df.index), tools=TOOLS, toolbar_location='below',
           tooltips=[('Row, Column', '@level_0 x @level_1'), ('value', '@value')], height = 500, width = 500)

p.rect(x="level_1", y="level_0", width=1, height=1,
       source=data,
       fill_color={'field': 'value', 'transform': LinearColorMapper(palette=colors, low=data.value.min(), high=data.value.max())},
       line_color=None)
color_bar = ColorBar(color_mapper=LinearColorMapper(palette=colors, low=data.value.min(), high=data.value.max()), major_label_text_font_size="7px",
                     ticker=BasicTicker(desired_num_ticks=len(colors)),
                     formatter=PrintfTickFormatter(format="%f"),
                     label_standoff=6, border_line_color=None, location=(0, 0))
p.add_layout(color_bar, 'right')

show(p)

Answer 11

为完整起见，如果您使用的是seaborn，那么截至2019年底，我所知道的最简单的解决方案是Jupyter：

import seaborn as sns
sns.heatmap(dataframe.corr())

Answer 12

形成相关矩阵，在我的情况下，zdf是我需要执行相关矩阵的数据帧。

corrMatrix =zdf.corr()
corrMatrix.to_csv('sm_zscaled_correlation_matrix.csv');
html = corrMatrix.style.background_gradient(cmap='RdBu').set_precision(2).render()

# Writing the output to a html file.
with open('test.html', 'w') as f:
   print('<!DOCTYPE html><html lang="en"><head><meta charset="UTF-8"><meta name="viewport" content="width=device-widthinitial-scale=1.0"><title>Document</title></head><style>table{word-break: break-all;}</style><body>' + html+'</body></html>', file=f)

然后我们可以截屏。或将html转换为图像文件。

Answer 13

您可以使用来自 seaborn 的 NavModel 查看不同特征的黑白相关性：

import 'package:flutter/material.dart';

import '../screens/Profile_Screen.dart';
import '../screens/Venture_Feed_Screen.dart';
import '../screens/Add_Media_Screen.dart';

import '../widgets/BottomNavBar.dart';

class NavModel extends StatefulWidget {
  static const routeName = '/nav-model';
  @override
  _NavModelState createState() => _NavModelState();
}

class _NavModelState extends State<NavModel> {
  int _currentIndex = 0;

  final tabs = [
    VentureFeedScreen(),
    ProfileScreen(),
    AddMediaScreen(),
  ];

  @override
  Widget build(BuildContext context) {
    return SafeArea(
      child: Scaffold(
        body: tabs[_currentIndex],
        bottomNavigationBar: BottomNavBar(),
      ),
    );
  }
}

Answer 14

请检查以下可读代码

import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
plt.figure(figsize=(36, 26))
heatmap = sns.heatmap(df.corr(), vmin=-1, vmax=1, annot=True)
heatmap.set_title('Correlation Heatmap', fontdict={'fontsize':12}, pad=12)```

  [1]: https://i.stack.imgur.com/I5SeR.png

使用pandas绘制相关矩阵

14 个答案:

定型

时间比较

pandas的更新＆gt; = 0.24

A）您可以使用plotly：

B）您也可以使用Bokeh：