可视化相关数据热图的紧凑方式

Question

我正在尝试可视化Result列与其他所有列的相关性。

   A_B       A_C       B_C         Result
0  0.318182  0.925311  0.860465        91
1 -0.384030  0.991803  0.996344        12
2 -0.818182  0.411765  0.920000        53
3  0.444444  0.978261  0.944444        64

A_B = (A-B)/(A+B)也对应所有其他值。

适用于较小的编号列，但如果我增加编号。列数热图中的行数不断堆积。是否有任何紧凑的方式表示它。

以下代码将重现输出-

import pandas as pd

import seaborn as sns

data = {'A':[232,243,12,546,67,12,78,11,245],
    'B':[120,546,120,210,56,120,56,89,12],
    'C':[9,1,5,6,7,43,7,12,64],
    'Result':[91,12,53,64,71,436,74,123,641],
}
df = pd.DataFrame(data,columns=['A','B','C','Result'])

#Responsible for (A-B)/(A+B) ,(A-C)/(A+C) and similarly
colnames = df.columns.tolist()[:-1]
for i,c in enumerate(colnames):
    if i!=len(colnames):
        for k in range(i+1,len(colnames)):
            df[c+'_'+colnames[k]]=(df[c]-df[colnames[k]])/(df[c]+df[colnames[k]])

newdf = df[['A_B','A_C','B_C','Result']].copy()
#Plotting A_B,A_C,B_C by ignoring the output of result of itself
plot = pd.DataFrame(newdf.corr().iloc[:-1,-1])
sns.heatmap(plot,annot=True)

我听说过但找不到任何来源的一种技术，它代表了迷你矩形中的每个相关因子，例如 因此，据此，将给定映射视为从左下角开始的3 * 3和（0,0）矩阵，A_B将表示为（1,1） （2,1）中的A_C，（2,2）中的B_C。 但是，我不知道该怎么做？

Answer 1

您可以针对Result列和其他列绘制每列的相关性。下面是这样做的一种方法。提供x和y刻度标签可以更好地指导您比较相关性。您还可以注释要在热图上显示的相关值。

cor = newdf.corr()

sns.heatmap(cor, xticklabels=cor.columns.values,
            yticklabels=cor.columns.values, annot=True)