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。我想绘制一个相关矩阵，我们使用 pandas 库中的 dataframe.corr() 函数获得该矩阵。 pandas 库是否提供了任何内置函数来绘制此矩阵？
【问题讨论】：
标签： python pandas matplotlib data-visualization information-visualization
我认为有很多很好的答案，但我将此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()
【讨论】：
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)]
【讨论】：
试试这个函数，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)
【讨论】：
plt.xticks(range(len(corr.columns)), corr.columns, rotation='vertical') 如果你想在 x 轴上垂直排列列名
plt.tight_layout() 也可能对长列名有用。
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 pandas styling options 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，这需要在支持呈现 HTML 的后端中，例如 JupyterLab Notebook。
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，或者完全摆脱数字：
corr.style.background_gradient(cmap='coolwarm').set_properties(**{'font-size': '0pt'})
样式文档还包含更高级样式的说明，例如如何更改鼠标指针悬停在单元格上的显示。
在我的测试中，style.background_gradient() 在 10x10 矩阵中比 plt.matshow() 快 4 倍，比 sns.heatmap() 快 120 倍。不幸的是，它的扩展性不如 plt.matshow()：对于 100x100 矩阵，两者的时间差不多，而对于 1000x1000 矩阵，plt.matshow() 的速度要快 10 倍。
有几种可能的方法来保存程式化的数据框：
render() 方法返回 HTML，然后将输出写入文件。to_excel() 方法保存为具有条件格式的.xslx 文件。通过设置axis=None，现在可以基于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)
由于很多人都在阅读此答案，我想我会添加一个提示，说明如何仅显示相关矩阵的一个角。我觉得这更容易阅读，因为它删除了多余的信息。
# 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))
【讨论】：
import seaborn as sns 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)
corr.style.background_gradient(cmap='coolwarm')。目前无法将 cmap 置于特定值的中心，这对于不同的 cmap 可能是一个好主意。
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
【讨论】：
您可以使用 seaborn 的 heatmap() 来查看黑白不同特征的相关性：
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})
【讨论】：
您可以从matplotlib 使用pyplot.matshow()：
import matplotlib.pyplot as plt
plt.matshow(dataframe.corr())
plt.show()
编辑：
在 cmets 中有一个关于如何更改轴刻度标签的请求。这是一个在更大的图形尺寸上绘制的豪华版本，具有与数据框匹配的轴标签，以及用于解释色标的颜色条图例。
我将介绍如何调整标签的大小和旋转，并且我使用了一个图形比例，使颜色条和主图形的高度相同。
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']) 以避免标签发生不必要的移位（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);
【讨论】：
AttributeError: 'module' object has no attribute 'matshow'
import matplotlib.pyplot as plt吗？
ha="left" 添加到plt.xticks 调用解决了这个问题，以防万一有人也有它:) 在stackoverflow.com/questions/28615887/… 中描述
惊讶地发现没有人提到更强大、更具交互性和更易于使用的替代方案。
只需两行即可：
交互性，
平滑的刻度，
颜色基于整个数据框而不是单个列，
轴上的列名和行索引，
放大，
平移，
内置一键保存为PNG格式，
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()
所有相同的功能都有一点麻烦。但是，如果您不想选择加入 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)
【讨论】：
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框。
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)
然后我们可以截图。或者将html转换成图片文件。
【讨论】：
与其他方法一起使用pairplot也很好，它可以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)
【讨论】：
statmodels 图形还提供了一个很好的相关矩阵视图
import statsmodels.api as sm
import matplotlib.pyplot as plt
corr = dataframe.corr()
sm.graphics.plot_corr(corr, xnames=list(corr.columns))
plt.show()
【讨论】：
如果您的数据框是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)
【讨论】：
你可以使用 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()
【讨论】：
您可以通过从 seaborn 绘制热图或从 pandas 绘制散布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：从配对图：您可以从配对图或散点矩阵观察相同的关系集。但是从这些我们可以说数据是否是正态分布的。
注意：上图是取自数据的同一张图，用于绘制热图。
【讨论】：
from matplotlib import pyplot as pl
Seaborn 的热图版本：
import seaborn as sns
corr = dataframe.corr()
sns.heatmap(corr,
xticklabels=corr.columns.values,
yticklabels=corr.columns.values)
【讨论】：