如何使用python为特定列组合创建相关矩阵？

Question

我有三列小时，因素（影响停车场），停车空间。我能够绘制相关矩阵，但它是所有组合之间的计算相关性，我想显示所有5个不同文件的一个相关矩阵，但是那些之间的相关性仅限列。

import numpy as np 
import pandas as pd
import seaborn as sns
import math
import matplotlib.pyplot as plt
%matplotlib inline
sns.set(style="darkgrid")

Creche_Holiday =pd.read_csv("D:\Data Analysis\Practicum\DCU car parking data\New folder\Creche_Holiday.csv")
Creche_Reading = pd.read_csv("D:\Data Analysis\Practicum\DCU car parking data\New folder\Creche_Reading.csv")  
Creche_Study = pd.read_csv("D:\Data Analysis\Practicum\DCU car parking data\New folder\Creche_Study.csv")  
Creche_Working = pd.read_csv("D:\Data Analysis\Practicum\DCU car parking data\New folder\Creche_Working.csv")  
Creche_Exam = pd.read_csv("D:\Data Analysis\Practicum\DCU car parking data\New folder\Creche_Exam.csv")


catted = pd.concat([d.reset_index(drop=True) for d in [Creche_Working,Creche_Holiday,Creche_Reading,Creche_Study,Creche_Exam]],
                   axis=1, keys=['Working','Holiday', 'Reading', 'Study','Exam'])

catted = catted.rename_axis(['Creche', 'Parking'], axis=1)

corrmat = catted.corr()
# Generate a mask for the upper triangle
mask = np.zeros_like(corrmat, dtype=np.bool)
mask[np.triu_indices_from(mask)] = True
# Set up the matplotlib figure
f, ax = plt.subplots(figsize=(12, 11))

# Generate a custom diverging colormap
cmap = sns.diverging_palette(220,10,as_cmap=True)

#sns.heatmap(corrmat, vmax=.3, center=0,square=True, linewidths=.5, cbar_kws={"shrink": .5})
# Draw the heatmap with the mask and correct aspect ratio
sns.heatmap(corrmat,fmt=".2g",annot=True,cmap=cmap,linewidths=1,cbar=True,vmin=0, vmax=1,center=0,mask=mask)

Answer 1

您可以使用数据框的drop方法删除不希望在热图中绘制的行和列。

考虑以下数据框，共有4列，其中只有两列需要绘制。

df = pd.DataFrame(np.array([[1,2,3,4,5],[5,4,3,2,1],[3,5,6,7,8],[1,2,3,4,5]]).T)
df.columns = ['Value','column_to_drop','Stuff','other_column_to_drop']

此数据框中的结果。

Value   column_to_drop  Stuff   other_column_to_drop
1   5   3   1
2   4   5   2
3   3   6   3
4   2   7   4
5   1   8   5

很明显我们要从最终的热图中删除column_to_drop和other_column_to_drop。

要执行此操作，您需要运行以下代码。首先再次创建相关矩阵。创建相关矩阵后，我们从相关矩阵的行和列中删除column_to_drop和other_column_to_drop。

corr_df=df.corr()
heatmap_df=corr_df.drop(['column_to_drop','other_column_to_drop']).drop(['column_to_drop','other_column_to_drop'],axis=1)

然后我们可以在最终的数据帧上创建热图。

sns.heatmap(heatmap_df)

导致此热图。

您可以选择在绘图前对heatmap_df执行任何其他步骤。就像创建一个掩码而不是两次绘制相同的值一样。