我正在尝试使用pandas查找不同列之间的最高相关性。我知道可以使用以下方法获取相关矩阵
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:]
问题在于这些相关性还包含了自己与自己的值(1)。我该如何删除这些包含自相关的列?我知道可以通过删除所有1值来删除它们,但我不想这样做,因为可能存在实际的1相关性。
我正在尝试使用pandas查找不同列之间的最高相关性。我知道可以使用以下方法获取相关矩阵
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:]
问题在于这些相关性还包含了自己与自己的值(1)。我该如何删除这些包含自相关的列?我知道可以通过删除所有1值来删除它们,但我不想这样做,因为可能存在实际的1相关性。
假设你有
corrs = df.corr()
那么问题在于对角线元素,如果我理解的没错。您可以轻松地将它们设置为某个负值,比如-2(这必然会低于所有相关项),方法如下:
np.fill_diagonal(corrs.values, -2)
示例
(感谢 @Fabian Rost 的改进和 @jezrael 提供的 DataFrame)
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
我最近发现了一个更简洁的答案来回答我的问题,你可以通过值来比较多重索引级别。
这就是我最终使用的方法。
corr = df.corr().stack()
corr = corr[corr.index.get_level_values(0) != corr.index.get_level_values(1)]
应填充NaN而不是伪造的数字
import numpy as np
np.fill_diagonal(corr_matrix.values, np.nan) # automatically inplace
NaN被seaborn和plotly相关矩阵所支持。
另一个解决方案是使用堆栈。
s = corr.stack(-1)
# remove where corr is 1
s = s[s != 1]
# convert to matrix again
s.unstack()
或者
corr.values[np.tril_indices_from(corr.values, k=0)] = np.nan
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]})
。 - jezraelNaN
会排在底部。 - Michel de Ruiter