Python 用pandas绘制相关矩阵
我有一个具有大量特征的数据集,因此分析相关矩阵变得非常困难。我想绘制一个相关矩阵,我们使用pandas库中的Python 用pandas绘制相关矩阵,python,pandas,matplotlib,data-visualization,information-visualization,Python,Pandas,Matplotlib,Data Visualization,Information Visualization,我有一个具有大量特征的数据集,因此分析相关矩阵变得非常困难。我想绘制一个相关矩阵,我们使用pandas库中的dataframe.corr()函数得到它。pandas库是否提供了任何内置函数来绘制此矩阵?您可以从matplotlib使用: import matplotlib.pyplot as plt plt.matshow(dataframe.corr()) plt.show() 编辑: 在评论中,有一个关于如何更改轴刻度标签的请求。这是一个豪华版,绘制在更大的图形尺寸上,具有轴标签以匹配
dataframe.corr()
函数得到它。pandas库是否提供了任何内置函数来绘制此矩阵?您可以从matplotlib
使用:
import matplotlib.pyplot as plt
plt.matshow(dataframe.corr())
plt.show()
编辑: 在评论中,有一个关于如何更改轴刻度标签的请求。这是一个豪华版,绘制在更大的图形尺寸上,具有轴标签以匹配数据帧,以及颜色条图例以解释颜色比例 我包括了如何调整标签的大小和旋转,我使用了一个图形比率,使颜色条和主图形显示出相同的高度
编辑2: 由于df.corr()方法忽略非数字列,因此在定义x和y标签时,应使用
.select_dtypes(['number'))
,以避免标签发生不必要的移动(包含在下面的代码中)
尝试此功能,它还显示相关矩阵的变量名称:
def plot_corr(df,size=10):
'''Function plots a graphical correlation matrix for each pair of columns in the dataframe.
Input:
df: pandas DataFrame
size: vertical and horizontal size of the plot'''
corr = df.corr()
fig, ax = plt.subplots(figsize=(size, size))
ax.matshow(corr)
plt.xticks(range(len(corr.columns)), corr.columns);
plt.yticks(range(len(corr.columns)), corr.columns);
Seaborn的热图版本:
import seaborn as sns
corr = dataframe.corr()
sns.heatmap(corr,
xticklabels=corr.columns.values,
yticklabels=corr.columns.values)
您可以通过从seaborn绘制热图或从pandas绘制散射矩阵来观察要素之间的关系 散射矩阵:
pd.scatter_matrix(dataframe, alpha = 0.3, figsize = (14,8), diagonal = 'kde');
如果你想可视化每个特征的偏斜度,也可以使用seaborn Pairplot
sns.pairplot(dataframe)
Sns热图:
import seaborn as sns
f, ax = pl.subplots(figsize=(10, 8))
corr = dataframe.corr()
sns.heatmap(corr, mask=np.zeros_like(corr, dtype=np.bool), cmap=sns.diverging_palette(220, 10, as_cmap=True),
square=True, ax=ax)
输出将是特征的相关图。i、 e.参见下面的示例
食品杂货和洗涤剂之间的相关性很高。同样地:
具有高相关性的PDO产品:
注:以上是从数据中提取的相同图表,用于绘制热图。如果您的主要目标是可视化相关矩阵,而不是创建绘图本身,那么方便的
熊猫是一个可行的内置解决方案:
import pandas as pd
import numpy as np
rs = np.random.RandomState(0)
df = pd.DataFrame(rs.rand(10, 10))
corr = df.corr()
corr.style.background_gradient(cmap='coolwarm')
# 'RdBu_r' & 'BrBG' are other good diverging colormaps
请注意,这需要位于支持呈现HTML的后端,例如JupyterLab笔记本。(深色背景上的自动浅色文本来自现有PR,而不是最新发布的版本,pandas
0.23)
造型
您可以轻松限制数字精度:
corr.style.background_gradient(cmap='coolwarm').set_precision(2)
或者,如果您更喜欢不带注释的矩阵,则完全去掉数字:
corr.style.background_gradient(cmap='coolwarm').set_properties(**{'font-size': '0pt'})
样式文档还包括更高级样式的说明,例如如何更改鼠标指针悬停的单元格的显示。要保存输出,您可以通过附加render()
方法返回HTML,然后将其写入文件(或者只是为了不太正式的目的截图)
时间比较
在我的测试中,style.background\u gradient()
比plt.matshow()快4倍,比sns.heatmap()快120倍,矩阵为10x10。不幸的是,它的伸缩性不如plt.matshow()
:对于100x100矩阵而言,这两种方法所需的时间大致相同,而对于1000x1000矩阵而言,plt.matshow()
要快10倍
拯救
保存样式化数据框有几种可能的方法:
- 通过附加
render()
方法返回HTML,然后将输出写入文件
- 通过将
附加到_excel()
方法,将其另存为具有条件格式的.xslx
文件
- 拍摄一张屏幕截图(用于不太正式的目的)
熊猫更新>=0.24
通过设置axis=None
,现在可以基于整个矩阵而不是每列或每行计算颜色:
corr.style.background_gradient(cmap='coolwarm', axis=None)
您可以使用matplotlib中的imshow()方法
import pandas as pd
import matplotlib.pyplot as plt
plt.style.use('ggplot')
plt.imshow(X.corr(), cmap=plt.cm.Reds, interpolation='nearest')
plt.colorbar()
tick_marks = [i for i in range(len(X.columns))]
plt.xticks(tick_marks, X.columns, rotation='vertical')
plt.yticks(tick_marks, X.columns)
plt.show()
如果您的数据帧是df
,您可以简单地使用:
import matplotlib.pyplot as plt
import seaborn as sns
plt.figure(figsize=(15, 10))
sns.heatmap(df.corr(), annot=True)
statmodels图形还提供了相关矩阵的良好视图
import statsmodels.api as sm
import matplotlib.pyplot as plt
corr = dataframe.corr()
sm.graphics.plot_corr(corr, xnames=list(corr.columns))
plt.show()
为完整起见,我所知道的2019年末最简单的解决方案,如果使用:
与其他方法一样,使用pairplot也很好,它将为所有情况提供散点图-
import pandas as pd
import numpy as np
import seaborn as sns
rs = np.random.RandomState(0)
df = pd.DataFrame(rs.rand(10, 10))
sns.pairplot(df)
形成相关矩阵,在我的例子中,zdf是我需要执行相关矩阵的数据帧
corrMatrix =zdf.corr()
corrMatrix.to_csv('sm_zscaled_correlation_matrix.csv');
html = corrMatrix.style.background_gradient(cmap='RdBu').set_precision(2).render()
# Writing the output to a html file.
with open('test.html', 'w') as f:
print('<!DOCTYPE html><html lang="en"><head><meta charset="UTF-8"><meta name="viewport" content="width=device-widthinitial-scale=1.0"><title>Document</title></head><style>table{word-break: break-all;}</style><body>' + html+'</body></html>', file=f)
corrMatrix=zdf.corr()
corrMatrix.to_csv('sm_zscaled_correlation_matrix.csv');
html=corrMatrix.style.background\u gradient(cmap='RdBu')。set\u precision(2.render())
#将输出写入html文件。
将open('test.html','w')作为f:
打印('Documenttable{word break:break all;}'+html+'',file=f)
然后我们可以截图。或者将html转换为图像文件。惊讶地发现,没有人提到更具功能、互动性和更易于使用的替代方案
A) 您可以使用plotly:
只要两行,您就可以得到:
互动性
平滑比例
基于整个数据帧而不是单个列的颜色
轴上的列名和行索引
放大
淘金
内置一键式功能,可将其保存为PNG格式
自动缩放
悬停比较,
气泡显示值,所以热图看起来仍然很好,您可以看到
无论您想在哪里使用价值观:
B) 您也可以使用Bokeh:
所有相同的功能都有点麻烦。但如果您不想选择plotly,并且仍然想要所有这些东西,那么仍然值得:
from bokeh.plotting import figure, show, output_notebook
from bokeh.models import ColumnDataSource, LinearColorMapper
from bokeh.transform import transform
output_notebook()
colors = ['#d7191c', '#fdae61', '#ffffbf', '#a6d96a', '#1a9641']
TOOLS = "hover,save,pan,box_zoom,reset,wheel_zoom"
data = df.corr().stack().rename("value").reset_index()
p = figure(x_range=list(df.columns), y_range=list(df.index), tools=TOOLS, toolbar_location='below',
tooltips=[('Row, Column', '@level_0 x @level_1'), ('value', '@value')], height = 500, width = 500)
p.rect(x="level_1", y="level_0", width=1, height=1,
source=data,
fill_color={'field': 'value', 'transform': LinearColorMapper(palette=colors, low=data.value.min(), high=data.value.max())},
line_color=None)
color_bar = ColorBar(color_mapper=LinearColorMapper(palette=colors, low=data.value.min(), high=data.value.max()), major_label_text_font_size="7px",
ticker=BasicTicker(desired_num_ticks=len(colors)),
formatter=PrintfTickFormatter(format="%f"),
label_standoff=6, border_line_color=None, location=(0, 0))
p.add_layout(color_bar, 'right')
show(p)
您可以使用seaborn的热图()
查看不同功能的相关性:
import matplot.pyplot as plt
import seaborn as sns
co_matrics=dataframe.corr()
plot.figure(figsize=(15,20))
sns.heatmap(co_matrix, square=True, cbar_kws={"shrink": .5})
请检查以下可读代码
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
plt.figure(figsize=(36, 26))
heatmap = sns.heatmap(df.corr(), vmin=-1, vmax=1, annot=True)
heatmap.set_title('Correlation Heatmap', fontdict={'fontsize':12}, pad=12)```
[1]: https://i.stack.imgur.com/I5SeR.png
我认为应该是.plt而不是.pl(如果
from bokeh.plotting import figure, show, output_notebook
from bokeh.models import ColumnDataSource, LinearColorMapper
from bokeh.transform import transform
output_notebook()
colors = ['#d7191c', '#fdae61', '#ffffbf', '#a6d96a', '#1a9641']
TOOLS = "hover,save,pan,box_zoom,reset,wheel_zoom"
data = df.corr().stack().rename("value").reset_index()
p = figure(x_range=list(df.columns), y_range=list(df.index), tools=TOOLS, toolbar_location='below',
tooltips=[('Row, Column', '@level_0 x @level_1'), ('value', '@value')], height = 500, width = 500)
p.rect(x="level_1", y="level_0", width=1, height=1,
source=data,
fill_color={'field': 'value', 'transform': LinearColorMapper(palette=colors, low=data.value.min(), high=data.value.max())},
line_color=None)
color_bar = ColorBar(color_mapper=LinearColorMapper(palette=colors, low=data.value.min(), high=data.value.max()), major_label_text_font_size="7px",
ticker=BasicTicker(desired_num_ticks=len(colors)),
formatter=PrintfTickFormatter(format="%f"),
label_standoff=6, border_line_color=None, location=(0, 0))
p.add_layout(color_bar, 'right')
show(p)
import matplot.pyplot as plt
import seaborn as sns
co_matrics=dataframe.corr()
plot.figure(figsize=(15,20))
sns.heatmap(co_matrix, square=True, cbar_kws={"shrink": .5})
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt
plt.figure(figsize=(36, 26))
heatmap = sns.heatmap(df.corr(), vmin=-1, vmax=1, annot=True)
heatmap.set_title('Correlation Heatmap', fontdict={'fontsize':12}, pad=12)```
[1]: https://i.stack.imgur.com/I5SeR.png