使用itertools创建可能组合的矩阵

Question

我有一个长度为1442的列表。列表的每个元素都是一个列表，每个列表包含10个数据点。我必须计算每种可能的2个长组合的相关性，然后找到最相关的组。

Data is available here:

import pandas as pd
import numpy as np
import datetime
import math
import itertools
import matplotlib.pyplot as plt
pd.set_option('display.max_rows', 50)
pd.set_option('display.max_columns', 50)

df_15m = pd.read_csv(r'.../USDT_BTC 15-Minute.csv')
df_15m.head()

df_15m['date'] = df_15m['date'].apply(lambda x: 
datetime.datetime.fromtimestamp(x).strftime('%Y-%m-%d %H:%M:%S'))
df_15m['day'] = df_15m['date'].apply(lambda x: 
datetime.datetime.strptime(x,'%Y-%m-%d %H:%M:%S').strftime('%Y-%m-%d'))

df_15m.set_index('date',inplace=True)
df_15m.index = pd.to_datetime(df_15m.index)
del df_15m.index.name


t = [0]

for i in range(len(df_15m)-1):

    p1 = df_15m.iloc[i+1]['weightedAverage']
    p0 = df_15m.iloc[i]['weightedAverage']
    t.append(math.log(p1/p0))

df_15m['BVOL15M_INDEX'] = t

by_day_vol = 
pd.DataFrame(df_15m['BVOL15M_INDEX'].resample('H').std()*math.sqrt(24))
by_day_price = pd.DataFrame(df_15m['weightedAverage'].resample('H').mean())
res = pd.merge(by_day_price, by_day_vol, left_index=True, right_index=True)

#creating subsets with 10 data points
df_ = res[:-6]
n = 10
list_df = [df_['BVOL15M_INDEX'][i:i+n] for i in range(0, df_.shape[0], n)]


l = []

for subset in itertools.combinations(list_df, 2):

    corrcoef = np.corrcoef(subset[0], subset[1])[1,0]
    l.append(corrcoef)

l包含所有可能组合的相关性。我想创建一个矩阵，ixj位置包含list_df中对应组的相关性。对于最终结果，我应该能够对相关的期间进行分组。

有人可以帮助我，还是为我提供更简单的解决方案？

谢谢！

Answer 1

这样的事情怎么办？

#lets have 3 lists:
list=[None]*3
list[0]=[1, 2, 3]
list[1]=[3, 4, 5]
list[2]=[5, 6, 7]

yourmat=np.matrix([list[x] for x in range(3)])

plt.imshow(yourmat, cmap='hot', interpolation='nearest')
plt.show()

这将产生输出：

当然，请用您的列表替换我的列表。上面的代码可以扩展到1442个列表（将3中的range(3)更改为您使用的列表）。

Answer 2

好吧，我使用了另一种方法。解决方案是：

df = pd.DataFrame()

n = 1

for i in range(len(list_df)):

    l = []

    for j in range(n, len(list_df)):

        corrcoef = np.corrcoef(list_df[i], list_df[j])[1][0]
        if corrcoef > 0.7:    #adjustable threshold
            l.append(j)

    df_ = pd.DataFrame(data=l, columns=[str(i)])
    df = pd.concat([df,df_], axis=1)
    n+=1    

通过这种方式，我获得了包含相关子集索引的每一列的DataFrame。