Python 熊猫：如何从相关矩阵中删除自相关

我试图找出不同栏目与熊猫的最高相关性。我知道你可以用它得到相关矩阵

df.corr()

我知道在那之后我可以得到最高的相关性

df.sort() 
df.stack() 
df[-5:]

问题是，这些相关性还包含列本身的列值（1）。如何删除这些包含与self相关的列？我知道我可以通过删除所有的1值来删除它们，但我不想这样做，因为可能也存在实际的1相关性。

假设您有

corrs = df.corr()

然后问题是对角线元素，IIUC。您可以很容易地将它们设置为一些负值，例如-2（必然低于所有相关性）

---

示例

（非常感谢@Fabian Rost的改进和@jezrael的数据帧）

---

我最近找到了更清晰的答案，你们可以通过数值来比较多个索引级别

这就是我最后使用的

corr = df.corr().stack()
corr = corr[corr.index.get_level_values(0) != corr.index.get_level_values(1)]

---

相关性也可能为负值。因此，最好将它们设置为小于-1的值。也许您可以添加sample

df=pd.DataFrame（{'one'：[0.1,32,2,0.4,0.8]，'two'：[0.23,18,56,61,12]，'three'：[0.9,3,6,5,3]，'four'：[0.34,75,91,19,21]，'zive'：[0.1,32,2,0.4,0.8]，'six'：[0.9,36,5]，'drive'：[0.3]，'drive'：[0.9]，.5]，.5]，.5]，'drive'，[0.5]，.5]，.3]，.5]，.5]，[3]，.5]！我不知道怎么填。这很好地解决了这个问题。（我想我只需将它们设置为NaN，然后删除所有NaN）@mikkom好主意，
NaN
s将在AFAIC底部排序。
import numpy as np
df=pd.DataFrame( {
    'one':[0.1, .32, .2, 0.4, 0.8], 
    'two':[.23, .18, .56, .61, .12], 
    'three':[.9, .3, .6, .5, .3], 
    'four':[.34, .75, .91, .19, .21], 
    'zive': [0.1, .32, .2, 0.4, 0.8], 
    'six':[.9, .3, .6, .5, .3],
    'drive':[.9, .3, .6, .5, .3]})
corrs = df.corr()
np.fill_diagonal(corrs.values, -2)
>>> corrs
    drive   four    one six three   two zive
drive   -2.000000   -0.039607   -0.747365   1.000000    1.000000    0.238102    -0.747365
four    -0.039607   -2.000000   -0.489177   -0.039607   -0.039607   0.159583    -0.489177
one -0.747365   -0.489177   -2.000000   -0.747365   -0.747365   -0.351531   1.000000
six 1.000000    -0.039607   -0.747365   -2.000000   1.000000    0.238102    -0.747365
three   1.000000    -0.039607   -0.747365   1.000000    -2.000000   0.238102    -0.747365
two 0.238102    0.159583    -0.351531   0.238102    0.238102    -2.000000   -0.351531
zive    -0.747365   -0.489177   1.000000    -0.747365   -0.747365   -0.351531   -2.000000

corr = df.corr().stack()
corr = corr[corr.index.get_level_values(0) != corr.index.get_level_values(1)]