我有一个由大量特征组成的数据集,因此分析相关矩阵变得非常困难。我想绘制一个相关矩阵,使用 pandas 库中的 dataframe.corr()
函数获得。pandas 库是否提供任何内置函数来绘制此矩阵?
我有一个由大量特征组成的数据集,因此分析相关矩阵变得非常困难。我想绘制一个相关矩阵,使用 pandas 库中的 dataframe.corr()
函数获得。pandas 库是否提供任何内置函数来绘制此矩阵?
pyplot.matshow()
。import matplotlib.pyplot as plt
plt.matshow(dataframe.corr())
plt.show()
编辑:
在评论中有人要求如何更改轴刻度标签。这是高级版本,绘制在更大的图形尺寸上,具有与数据框匹配的轴标签以及一个带有颜色条例的色标解释。
我包括如何调整标签的大小和旋转,并使用一个使色条和主图高度相同的图形比率。
编辑2: 由于df.corr()方法忽略非数字列,因此在定义x和y标签时应该使用.select_dtypes(['number'])以避免标签的不必要偏移(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);
import matplotlib.pyplot as plt
吗? - joelostblomplt.xticks
调用中添加ha="left"
可以解决这个问题,如果其他人也有这个问题:) 参见 https://dev59.com/GF4b5IYBdhLWcg3w1U3L - V. Déhaye如果您的主要目标是可视化相关矩阵,而不是创建一个图表本身,方便的pandas
样式选项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_r', & PuOr_r are other good diverging colormaps
请注意,这需要在支持渲染HTML的后端中,比如JupyterLab笔记本中。
您可以轻松限制数字精度(现在在pandas 2.* 中使用.format(precision=2)
):
corr.style.background_gradient(cmap='coolwarm').set_precision(2)
如果你喜欢没有注释的矩阵,也可以完全去掉数字。corr.style.background_gradient(cmap='coolwarm').set_properties(**{'font-size': '0pt'})
样式文档还包括更高级的样式指令,比如如何改变鼠标悬停在单元格上时的显示方式。
style.background_gradient()
比 plt.matshow()
快4倍,比 sns.heatmap()
快120倍,对于一个10x10的矩阵。不幸的是,它的扩展性不如 plt.matshow()
:对于一个100x100的矩阵,两者花费的时间大致相同,而对于一个1000x1000的矩阵,plt.matshow()
快10倍。
有几种可能的方法来保存样式化的数据框:
render()
方法并将输出写入文件,返回HTML。to_excel()
方法以条件格式保存为.xslx
文件。通过设置axis=None
,现在可以根据整个矩阵而不是每列或每行来计算颜色:
corr.style.background_gradient(cmap='coolwarm', axis=None)
由于很多人正在阅读这个答案,我想我可以提供一个小技巧,来仅显示相关矩阵的一个角落。我发现这样更容易阅读,因为它去除了冗余信息。
# 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(color='#f1f1f1') # Color NaNs grey
.format(precision=2))
corr = df.corr()
cm = sns.light_palette("green", as_cmap=True)
cm = sns.diverging_palette(220, 20, sep=20, as_cmap=True)
corr.style.background_gradient(cmap=cm).set_precision(2)```
- stallingOnefrom IPython.display import display
(或导入 display_html
)然后在循环中使用 display(df)
。https://ipython.readthedocs.io/en/stable/api/generated/IPython.display.html#IPython.display.display - joelostblomvmin=-1,vmax=1
。 - SpinUp __ A DavisSeaborn的热力图版本:
import seaborn as sns
corr = dataframe.corr()
sns.heatmap(corr,
xticklabels=corr.columns.values,
yticklabels=corr.columns.values)
pd.scatter_matrix(dataframe, alpha = 0.3, figsize = (14,8), diagonal = 'kde');
sns.pairplot(dataframe)
Sns热力图:
import seaborn as sns
f, ax = pl.subplots(figsize=(10, 8))
corr = dataframe.corr()
sns.heatmap(corr,
cmap=sns.diverging_palette(220, 10, as_cmap=True),
vmin=-1.0, vmax=1.0,
square=True, ax=ax)
杂货和洗涤剂之间的相关性很高。同样:
从配对图中可以观察到相同的关系集合或散点矩阵。但是,我们可以从这些数据中得出数据是否符合正态分布。
注意:以上是从数据中获取的相同图形,用于绘制热力图。from matplotlib import pyplot as pl
。 - Jeru LukeAttributeError: module 'pandas' has no attribute 'scatter_matrix'
,请参考此问题以获取帮助。简而言之:使用 pd.plotting.scatter_matrix()
。 - DaytaSigntistpd.plotting.scatter_matrix(dataframe, alpha = 0.3, figsize = (14,8), diagonal = 'kde');
而不是pd.scatter_matrix(dataframe, alpha = 0.3, figsize = (14,8), diagonal = 'kde');
。 - undefined尝试使用此函数,该函数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)
plt.xticks(range(len(corr.columns)), corr.columns, rotation='vertical')
如果您想要在x轴上以垂直方向显示列名。 - nishantplt.tight_layout()
对于较长的列名也可能很有用。 - user3017048惊讶地发现没有人提到更有能力、互动性更强、更易于使用的替代方案。
只需两行代码即可获得:
交互性,
平滑缩放,
基于整个数据帧而不是单独列的颜色,
轴上的列名和行索引,
缩放,
平移,
内置的一键式保存为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很好,并且您可以在任何地方查看值:
import plotly.express as px
fig = px.imshow(df.corr())
fig.show()
所有相同的功能,但稍微有些麻烦。但如果您不想选择plotly仍然想要所有这些功能,那么它仍然是值得的。
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)
如果你的数据框叫做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)
您可以使用Matplotlib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()
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()
sns_plot = sns.clustermap(dataframe.corr(), cmap="rocket_r")
。 - nim.py