使用 pandas 绘制相关矩阵

Question

我有一个包含大量特征的数据集，因此分析相关矩阵变得非常困难。我想绘制一个我们使用 pandas 库中的 dataframe.corr() 函数得到的相关矩阵。 pandas 库是否提供任何内置函数来绘制此矩阵？

Answer 1

您可以使用 pyplot.matshow() 来自 matplotlib:

import matplotlib.pyplot as plt

plt.matshow(dataframe.corr())
plt.show()

编辑：

评论中有关于如何更改轴刻度标签的请求。这是在更大尺寸的图形上绘制的豪华版，具有与数据框匹配的轴标签，以及解释色标的颜色条图例。

我介绍了如何调整标签的大小和旋转，并且我使用的图形比例使颜色栏和主要图形的高度相同。

编辑 2：由于 df.corr() 方法会忽略非数字列，因此在定义 x 和 y 标签时应使用 .select_dtypes(['number']) 以避免不必要的标签偏移（包含在下面的代码中）。

f = plt.figure(figsize=(19, 15))
plt.matshow(df.corr(), fignum=f.number)
plt.xticks(range(df.select_dtypes(['number']).shape[1]), df.select_dtypes(['number']).columns, fontsize=14, rotation=45)
plt.yticks(range(df.select_dtypes(['number']).shape[1]), df.select_dtypes(['number']).columns, fontsize=14)
cb = plt.colorbar()
cb.ax.tick_params(labelsize=14)
plt.title('Correlation Matrix', fontsize=16);

Answer 2

试试这个函数，它还会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)

Answer 3

Seaborn 的热图版本：

import seaborn as sns
corr = dataframe.corr()
sns.heatmap(corr, 
            xticklabels=corr.columns.values,
            yticklabels=corr.columns.values)

Answer 4

您可以通过绘制来自 seaborn 的热图或来自 pandas 的散点矩阵来观察特征之间的关系。

散点矩阵：

pd.scatter_matrix(dataframe, alpha = 0.3, figsize = (14,8), diagonal = 'kde');

如果您还想可视化每个特征的偏度 - 使用 seaborn pairplots。

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。即见下面的例子。

杂货和洗涤剂之间的相关性很高。同样：

具有高相关性的产品：

杂货和洗涤剂。

具有中等相关性的产品：

牛奶和杂货
牛奶和Detergents_Paper

造型

您可以轻松限制数字精度：

corr.style.background_gradient(cmap='coolwarm').set_precision(2)

如果您更喜欢没有注释的矩阵，则完全删除数字：

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在其上的单元格的显示。

时间比较

在我的测试中，使用 10x10 矩阵，style.background_gradient() 比 plt.matshow() 快 4 倍，比 sns.heatmap() 快 120 倍。不幸的是，它的缩放比例不如 plt.matshow()：对于 100x100 矩阵，两者花费的时间大致相同，而对于 1000x1000 矩阵，plt.matshow() 快 10 倍。

节省

有几种可能的方法来保存程式化数据框：

Return HTML 通过附加 render() 方法，然后将输出写入文件。
通过附加 to_excel() 方法以条件格式保存为 .xslx 文件。
Combine with imgkit to save a bitmap
截图（就像我在这里做的那样）。

标准化整个矩阵的颜色（pandas >= 0.24）

通过设置 axis=None，现在可以根据整个矩阵而不是每列或每行计算颜色：

corr.style.background_gradient(cmap='coolwarm', axis=None)

单角热图

因为很多人都在阅读这个答案，所以我想我会添加一个关于如何只显示相关矩阵的一个角的提示。我自己发现这更容易阅读，因为它删除了冗余信息。

# Fill diagonal and upper half with NaNs
mask = np.zeros_like(corr, dtype=bool)
mask[np.triu_indices_from(mask)] = True
corr[mask] = np.nan
(corr
 .style
 .background_gradient(cmap='coolwarm', axis=None, vmin=-1, vmax=1)
 .highlight_null(null_color='#f1f1f1')  # Color NaNs grey
 .set_precision(2))

Answer 6

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()

Answer 7

如果你的数据框是 df 你可以简单地使用：

import matplotlib.pyplot as plt
import seaborn as sns

plt.figure(figsize=(15, 10))
sns.heatmap(df.corr(), annot=True)

Answer 8

statmodels 图形还提供了相关矩阵的漂亮视图

import statsmodels.api as sm
import matplotlib.pyplot as plt

corr = dataframe.corr()
sm.graphics.plot_corr(corr, xnames=list(corr.columns))
plt.show()

Answer 9

为了完整起见，我知道的最简单的解决方案是 seaborn as of late 2019, if one is using Jupyter:

import seaborn as sns
sns.heatmap(dataframe.corr())

Answer 10

与其他方法一起使用 pairplot 也很好，它将给出所有情况的散点图-

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)

Answer 11

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)

然后我们就可以截图了。或将 html 转换为图像文件。

Answer 12

惊讶地发现没有人提到功能更强大、交互性更强且更易于使用的替代方案。

A) 你可以使用 plotly:

只需两行，您将得到：
互动性，
平滑比例，
基于整个数据框而不是单个列的颜色，
轴上的列名和行索引，
正在放大，
平移，
内置一键保存为PNG格式的功能，
自动缩放，
悬停比较，
显示值的气泡，因此热图看起来仍然不错，您可以看到任何你想要的值：

import plotly.express as px
fig = px.imshow(df.corr())
fig.show()

B) 你也可以使用散景：

所有相同的功能，只是有点麻烦。但如果你不想选择 plotly 并且仍然想要所有这些东西，那仍然是值得的：

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)

Answer 13

您可以使用 seaborn 中的 heatmap() 查看相关性 b/w 不同的特征：

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})

Answer 14

请检查下面的可读代码

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

Answer 15

corrmatrix = df.corr()
corrmatrix *= np.tri(*corrmatrix.values.shape, k=-1).T
corrmatrix = corrmatrix.stack().sort_values(ascending = False).reset_index()
corrmatrix.columns = ['Признак 1', 'Признак 2', 'Корреляция']
corrmatrix[(corrmatrix['Корреляция'] >= 0.7) + (corrmatrix['Корреляция'] <= -0.7)]
drop_columns = corrmatrix[(corrmatrix['Корреляция'] >= 0.82) + (corrmatrix['Корреляция'] <= -0.7)]['Признак 2']
df.drop(drop_columns, axis=1, inplace=True)
corrmatrix[(corrmatrix['Корреляция'] >= 0.7) + (corrmatrix['Корреляция'] <= -0.7)]

Answer 16

我认为有很多好的答案，但我将这个答案添加给那些需要处理特定列并显示不同情节的人。

import numpy as np
import seaborn as sns
import pandas as pd
from matplotlib import pyplot as plt

rs = np.random.RandomState(0)
df = pd.DataFrame(rs.rand(18, 18))
df= df.iloc[: , [3,4,5,6,7,8,9,10,11,12,13,14,17]].copy()
corr = df.corr()
plt.figure(figsize=(11,8))
sns.heatmap(corr, cmap="Greens",annot=True)
plt.show()

使用 pandas 绘制相关矩阵

Plot correlation matrix using pandas

python

data-visualization

matplotlib

information-visualization

pandas

造型

时间比较

节省

标准化整个矩阵的颜色（pandas >= 0.24）

单角热图

A) 你可以使用 plotly:

B) 你也可以使用散景：