我希望使用 pandas
和 scipy
基于相关性生成一份树状图。我使用的数据集(作为一个 DataFrame
)包含收益率,大小为 n x m
,其中 n
表示日期数量,m
表示公司数量。然后我只需运行以下脚本:
import pandas as pd
import matplotlib.pyplot as plt
from scipy.cluster import hierarchy as hc
import numpy as np
m = 5
dates = pd.date_range('2013-01-01', periods=365)
random_matrix = np.random.normal(0, 0.01, size=(len(dates), m))
dataframe = pd.DataFrame(data=random_matrix, index=dates)
z = hc.linkage(dataframe.values.T, method='average', metric='correlation')
dendrogram = hc.dendrogram(z, labels=dataframe.columns)
plt.show()
我得到了一个漂亮的树状图。现在,我还想使用除普通Pearson相关之外的其他相关测量方法,这是一个功能,可以通过简单地调用DataFrame.corr(method='<method>')
在pandas
中实现。所以,一开始我认为只需运行以下代码:
import pandas as pd
import matplotlib.pyplot as plt
from scipy.cluster import hierarchy as hc
import numpy as np
m = 5
dates = pd.date_range('2013-01-01', periods=365)
random_returns = np.random.normal(0, 0.01, size=(len(dates), m))
dataframe = pd.DataFrame(data=random_returns, index=dates)
corr = dataframe.corr()
z = hc.linkage(corr.values, method='average')
dendrogram = hc.dendrogram(z, labels=corr.columns)
plt.show()
然而,如果我这样做,y轴上的数值会变得奇怪,因为最大值>1.4。而如果我运行第一个脚本,它大约是1。我做错了什么?我在
hc.linkage
中使用了错误的度量吗?编辑我可能还要补充一点,树状图的形状完全相同。我是否需要用最大值来归一化结果中的第三列
z
?