Python 返回数据帧中相关列的组

我在数据帧上运行了一个相关矩阵：

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]})

corrMatrix=df.corr()
corrMatrix
           drive  four   one   six  three   two  zive
drive       1.00 -0.04 -0.75  1.00   1.00  0.24 -0.75
four       -0.04  1.00 -0.49 -0.04  -0.04  0.16 -0.49
one        -0.75 -0.49  1.00 -0.75  -0.75 -0.35  1.00
six         1.00 -0.04 -0.75  1.00   1.00  0.24 -0.75
three       1.00 -0.04 -0.75  1.00   1.00  0.24 -0.75
two         0.24  0.16 -0.35  0.24   0.24  1.00 -0.35
zive       -0.75 -0.49  1.00 -0.75  -0.75 -0.35  1.00

现在，我想编写一些代码来返回组中完全相关的列（即correlation==1）

最理想的情况是，我希望：

我已经编写了下面的代码，这给了我
['drive'、'one'、'six'、'three'、'zive']
，但正如您所看到的，它们只是一袋列，与其他列有某种完美的相关性——这并没有将它们与完全相关的同类列放在一个独特的分组中

correlatedCols=[]
for col in corrMatrix:
    data=corrMatrix[col][corrMatrix[col]==1]
    if len(data)>1:
        correlatedCols.append(data.name)

correlatedCols  
['drive','one', 'six', 'three', 'zive']

编辑：根据@Karl D给出的建议，我得到了以下信息：

cor = df.corr()
cor.loc[:,:] =  np.tril(cor.values, k=-1)
cor = cor.stack()
cor[cor ==1]
six    drive   1.00
three  drive   1.00
       six     1.00
zive   one     1.00

…这不是我想要的--因为
[six，drive]
不是一个分组--它缺少
'three'
您可以执行以下操作：

>>> cor = df.corr()
>>> cor.loc[:,:] =  np.tril(cor, k=-1)
>>> cor = cor.stack()
>>> cor[cor > 0.9999]

three  six    1
zive   one    1

>>> cor[cor > 0.9999].to_dict().keys()

[('zive', 'one'), ('three', 'six')]

要更紧密地匹配预期输出，您可以执行以下操作：

>>> cor = df.corr()
>>> cor.loc[:,:] =  np.tril(cor, k=-1)
>>> cor = cor.stack()
>>> cor[cor > 0.9999]

three  six    1
zive   one    1

>>> cor[cor > 0.9999].to_dict().keys()

[('zive', 'one'), ('three', 'six')]

解释。首先，我创建了一个不包括对角线的协方差矩阵的下三角版本（使用numpy的
tril
）：

然后我堆叠数据帧：

>>> cor = cor.stack()

four   four     0.000000
       one     -0.000000
       six     -0.000000
       three   -0.000000
       two      0.000000
       zive    -0.000000
one    four    -0.489177
       one      0.000000
       six     -0.000000
       three   -0.000000
       two     -0.000000
       zive     0.000000
six    four    -0.039607
       one     -0.747365
       six      0.000000
       three    0.000000
       two      0.000000
       zive    -0.000000
three  four    -0.039607
       one     -0.747365
       six      1.000000
       three    0.000000
       two      0.000000
       zive    -0.000000
two    four     0.159583
       one     -0.351531
       six      0.238102
       three    0.238102
       two      0.000000
       zive    -0.000000
zive   four    -0.489177
       one      1.000000
       six     -0.747365
       three   -0.747365
       two     -0.351531
       zive     0.000000

然后我就可以抓取等于1的行

编辑：我想这会得到你想要的形式，但它并不优雅：

>>> from itertools import chain

>>> cor.loc[:,:] =  np.tril(cor, k=-1)
>>> cor = cor.stack()
>>> ones = cor[cor > 0.999].reset_index().loc[:,['level_0','level_1']]
>>> ones = ones.query('level_0 not in level_1')
>>> ones.groupby('level_0').agg(lambda x: set(chain(x.level_0,x.level_1))).values

[[set(['six', 'drive', 'three'])]
 [set(['zive', 'one'])]]

以下是一种天真的方法：

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]})

corrMatrix=df.corr()

corrMatrix.loc[:,:] =  np.tril(corrMatrix, k=-1) # borrowed from Karl D's answer

already_in = set()
result = []
for col in corrMatrix:
    perfect_corr = corrMatrix[col][corrMatrix[col] == 1].index.tolist()
    if perfect_corr and col not in already_in:
        already_in.update(set(perfect_corr))
        perfect_corr.append(col)
        result.append(perfect_corr)

结果:

>>> result
[['six', 'three', 'drive'], ['zive', 'one']]

隐马尔可夫模型。。。只是尝试了一组三个相关变量，但是输出有点混乱。我将修改我的问题来创建这个场景。我不认为输出会让人困惑，它只是提供了所有完全相关的列对：基于您最初的问题，这正是我认为您想要的。但是，即使它提供了同等的信息，它也没有根据您的编辑以您想要的形式提供给您。让我看看能不能把它做成你想要的形状。效果很好。谢谢。还有一个问题——我现在在一个datafame上实现这个函数，这个datafame有3856列宽，100000行长。由于该函数不使用多处理，因此速度非常慢是可以理解的。查看
pandas
文档，我看不到让
DataFrame.corr（）
函数使用多处理的方法。您知道有哪些函数会在本机使用多处理的数据帧上创建相关矩阵吗？如果不是的话，我们是否需要再问一个问题来解决这个问题，或者我们是否应该继续重复这个问题？@Bryan，我不知道有任何这样的功能或选项，对不起。因此，或许最好问一个不同的问题。