Компактный способ визуализации тепловых карт коррелированных данных - PullRequest
Новая
       31

Компактный способ визуализации тепловых карт коррелированных данных

0 голосов
/ 31 декабря 2018

Я пытаюсь визуализировать корреляцию столбца Result с каждым другим столбцом. 

   A_B       A_C       B_C         Result
0  0.318182  0.925311  0.860465        91
1 -0.384030  0.991803  0.996344        12
2 -0.818182  0.411765  0.920000        53
3  0.444444  0.978261  0.944444        64

A_B = (A-B)/(A+B) соответственно все остальные значения.

enter image description here, который работает для меньших нет.столбцов, но если я увеличу нет.столбцов то нет.строк в Heatmap продолжает накапливаться. Есть какой-нибудь компактный способ представить его.

Следующий код будет воспроизводить вывод - 

import pandas as pd

import seaborn as sns

data = {'A':[232,243,12,546,67,12,78,11,245],
    'B':[120,546,120,210,56,120,56,89,12],
    'C':[9,1,5,6,7,43,7,12,64],
    'Result':[91,12,53,64,71,436,74,123,641],
}
df = pd.DataFrame(data,columns=['A','B','C','Result'])

#Responsible for (A-B)/(A+B) ,(A-C)/(A+C) and similarly
colnames = df.columns.tolist()[:-1]
for i,c in enumerate(colnames):
    if i!=len(colnames):
        for k in range(i+1,len(colnames)):
            df[c+'_'+colnames[k]]=(df[c]-df[colnames[k]])/(df[c]+df[colnames[k]])

newdf = df[['A_B','A_C','B_C','Result']].copy()
#Plotting A_B,A_C,B_C by ignoring the output of result of itself
plot = pd.DataFrame(newdf.corr().iloc[:-1,-1])
sns.heatmap(plot,annot=True)

Техника, которую я слышал, но не смог найти какой-либоsource, представляет каждый коэффициент корреляции в мини-прямоугольниках, как enter image description here Так, согласно этому, рассматривая данную карту как матрицу 3 * 3 и (0,0), начиная с левого нижнего угла,A_B будет представлен в (1,1) A_C в (2,1), B_C в (2,2).Но я не понимаю, как это сделать?

1 Ответ

0 голосов
/ 31 декабря 2018

Вы можете построить зависимость каждого столбца от столбца Result и других столбцов.Ниже приведен один из способов сделать это.Предоставление x- и y-ticklabels поможет вам лучше сравнить корреляции.Вы также можете аннотировать значения корреляции для отображения на тепловой карте. 

cor = newdf.corr()

sns.heatmap(cor, xticklabels=cor.columns.values,
            yticklabels=cor.columns.values, annot=True)

enter image description here

...