Hướng dẫn diagonal correlation matrix python - Python ma trận tương quan đường chéo

Question

Tôi có khung dữ liệu tổng hợp sau, bao gồm các cột số và phân loại cũng như cột label. Tôi muốn vẽ một ma trận tương quan chéo và các hệ số tương quan hiển thị ở phần trên như sau:

đầu ra dự kiến::

Mặc dù các cột phân loại trong tập dữ liệu tổng hợp/dataframe ________ 5 cần được chuyển đổi thành số, cho đến nay tôi đã sử dụng ví dụ trên biển này bằng cách sử dụng bộ dữ liệu 'titanic' tổng hợp và phù hợp với nhiệm vụ của mình, nhưng tôi đã thêm cột label như sau:

import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(style="white")

# Generate a large random dataset with synthetic nature (categorical + numerical)
data = sns.load_dataset("titanic")
df = pd.DataFrame(data=data)

# Generate label column randomly '0' or '1'
df['label'] = np.random.randint(0,2, size=len(df))

# Compute the correlation matrix
corr = df.corr()

# Generate a mask for the upper triangle
mask = np.triu(np.ones_like(corr, dtype=bool))

# Set up the matplotlib figure
f, ax = plt.subplots(figsize=(11, 9))

# Generate a custom diverging colormap
cmap = sns.diverging_palette(230, 20, as_cmap=True)

# Draw the heatmap with the mask and correct aspect ratio
sns.heatmap(corr, mask=mask, cmap=cmap, vmin=-1.0, vmax=1.0, center=0,
            square=True, linewidths=.5, cbar_kws={"shrink": .5})

Hướng dẫn diagonal correlation matrix python - Python ma trận tương quan đường chéo

Tôi đã kiểm tra một bài đăng liên quan nhưng không thể tìm ra nó để thực hiện nhiệm vụ này. Điều tốt nhất tôi có thể tìm thấy cho đến nay là cách giải quyết này có thể được cài đặt bằng cách sử dụng gói này mang lại cho tôi đầu ra sau:

#!pip install heatmapz
# Import the two methods from heatmap library
from heatmap import heatmap, corrplot
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(style="white")

# Generate a large random dataset
data = sns.load_dataset("titanic")
df = pd.DataFrame(data=data)

# Generate label column randomly '0' or '1'
df['label'] = np.random.randint(0,2, size=len(df))

# Compute the correlation matrix
corr = df.corr()

# Generate a mask for the upper triangle
mask = np.triu(np.ones_like(corr, dtype=bool)) 
mask[np.diag_indices_from(mask)] = False
np.fill_diagonal(mask, True)

# Set up the matplotlib figure
plt.figure(figsize=(8, 8))

# Draw the heatmap using "Heatmapz" package
corrplot(corr[mask], size_scale=300)

Đáng buồn thay, corr[mask] không che dấu hình tam giác phía trên trong gói này.

Tôi cũng nhận thấy rằng trong r, việc đạt được cốt truyện ưa thích này dễ dàng hơn nhiều, vì vậy tôi sẽ mở nếu có một cách đơn giản hơn để chuyển đổi Python Pandas DataFrame thành R DataFrame vì có vẻ như có một gói, được gọi là rpy2 mà chúng ta có thể Sử dụng Python & R cùng nhau ngay cả trong máy tính xách tay Google Colab: ref.1

from rpy2.robjects import pandas2ri
pandas2ri.activate()

Vì vậy, nếu đó là trường hợp, tôi thấy Post1 & Post2 này bằng R để liên quan đến việc trực quan hóa ma trận tương quan. Vì vậy, nói tóm lại, ưu tiên đầu tiên của tôi là sử dụng Python và các gói của nó ____10,

#!pip install heatmapz
# Import the two methods from heatmap library
from heatmap import heatmap, corrplot
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(style="white")

# Generate a large random dataset
data = sns.load_dataset("titanic")
df = pd.DataFrame(data=data)

# Generate label column randomly '0' or '1'
df['label'] = np.random.randint(0,2, size=len(df))

# Compute the correlation matrix
corr = df.corr()

# Generate a mask for the upper triangle
mask = np.triu(np.ones_like(corr, dtype=bool)) 
mask[np.diag_indices_from(mask)] = False
np.fill_diagonal(mask, True)

# Set up the matplotlib figure
plt.figure(figsize=(8, 8))

# Draw the heatmap using "Heatmapz" package
corrplot(corr[mask], size_scale=300)

1,

#!pip install heatmapz
# Import the two methods from heatmap library
from heatmap import heatmap, corrplot
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(style="white")

# Generate a large random dataset
data = sns.load_dataset("titanic")
df = pd.DataFrame(data=data)

# Generate label column randomly '0' or '1'
df['label'] = np.random.randint(0,2, size=len(df))

# Compute the correlation matrix
corr = df.corr()

# Generate a mask for the upper triangle
mask = np.triu(np.ones_like(corr, dtype=bool)) 
mask[np.diag_indices_from(mask)] = False
np.fill_diagonal(mask, True)

# Set up the matplotlib figure
plt.figure(figsize=(8, 8))

# Draw the heatmap using "Heatmapz" package
corrplot(corr[mask], size_scale=300)

2, sau đó r và các gói của nó để đạt được đầu ra dự kiến.

Ghi chú

Tôi đã cung cấp cho bạn mã thực thi trong máy tính xách tay Google Colab với R bằng cách sử dụng tập dữ liệu để bạn có thể hình thành/kiểm tra câu trả lời cuối cùng của mình nếu giải pháp của bạn là rpy2 nếu không tôi quan tâm đến giải pháp pythonic.

Các thành phần Seaborn được sử dụng:

#!pip install heatmapz
# Import the two methods from heatmap library
from heatmap import heatmap, corrplot
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(style="white")

# Generate a large random dataset
data = sns.load_dataset("titanic")
df = pd.DataFrame(data=data)

# Generate label column randomly '0' or '1'
df['label'] = np.random.randint(0,2, size=len(df))

# Compute the correlation matrix
corr = df.corr()

# Generate a mask for the upper triangle
mask = np.triu(np.ones_like(corr, dtype=bool)) 
mask[np.diag_indices_from(mask)] = False
np.fill_diagonal(mask, True)

# Set up the matplotlib figure
plt.figure(figsize=(8, 8))

# Draw the heatmap using "Heatmapz" package
corrplot(corr[mask], size_scale=300)

4,
#!pip install heatmapz # Import the two methods from heatmap library from heatmap import heatmap, corrplot import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt sns.set_theme(style="white") # Generate a large random dataset data = sns.load_dataset("titanic") df = pd.DataFrame(data=data) # Generate label column randomly '0' or '1' df['label'] = np.random.randint(0,2, size=len(df)) # Compute the correlation matrix corr = df.corr() # Generate a mask for the upper triangle mask = np.triu(np.ones_like(corr, dtype=bool)) mask[np.diag_indices_from(mask)] = False np.fill_diagonal(mask, True) # Set up the matplotlib figure plt.figure(figsize=(8, 8)) # Draw the heatmap using "Heatmapz" package corrplot(corr[mask], size_scale=300)
5,
#!pip install heatmapz # Import the two methods from heatmap library from heatmap import heatmap, corrplot import pandas as pd import numpy as np import seaborn as sns import matplotlib.pyplot as plt sns.set_theme(style="white") # Generate a large random dataset data = sns.load_dataset("titanic") df = pd.DataFrame(data=data) # Generate label column randomly '0' or '1' df['label'] = np.random.randint(0,2, size=len(df)) # Compute the correlation matrix corr = df.corr() # Generate a mask for the upper triangle mask = np.triu(np.ones_like(corr, dtype=bool)) mask[np.diag_indices_from(mask)] = False np.fill_diagonal(mask, True) # Set up the matplotlib figure plt.figure(figsize=(8, 8)) # Draw the heatmap using "Heatmapz" package corrplot(corr[mask], size_scale=300)
6

#!pip install heatmapz
# Import the two methods from heatmap library
from heatmap import heatmap, corrplot
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(style="white")

# Generate a large random dataset
data = sns.load_dataset("titanic")
df = pd.DataFrame(data=data)

# Generate label column randomly '0' or '1'
df['label'] = np.random.randint(0,2, size=len(df))

# Compute the correlation matrix
corr = df.corr()

# Generate a mask for the upper triangle
mask = np.triu(np.ones_like(corr, dtype=bool)) 
mask[np.diag_indices_from(mask)] = False
np.fill_diagonal(mask, True)

# Set up the matplotlib figure
plt.figure(figsize=(8, 8))

# Draw the heatmap using "Heatmapz" package
corrplot(corr[mask], size_scale=300)

4,

#!pip install heatmapz
# Import the two methods from heatmap library
from heatmap import heatmap, corrplot
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(style="white")

# Generate a large random dataset
data = sns.load_dataset("titanic")
df = pd.DataFrame(data=data)

# Generate label column randomly '0' or '1'
df['label'] = np.random.randint(0,2, size=len(df))

# Compute the correlation matrix
corr = df.corr()

# Generate a mask for the upper triangle
mask = np.triu(np.ones_like(corr, dtype=bool)) 
mask[np.diag_indices_from(mask)] = False
np.fill_diagonal(mask, True)

# Set up the matplotlib figure
plt.figure(figsize=(8, 8))

# Draw the heatmap using "Heatmapz" package
corrplot(corr[mask], size_scale=300)

5,

#!pip install heatmapz
# Import the two methods from heatmap library
from heatmap import heatmap, corrplot
import pandas as pd
import numpy as np
import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(style="white")

# Generate a large random dataset
data = sns.load_dataset("titanic")
df = pd.DataFrame(data=data)

# Generate label column randomly '0' or '1'
df['label'] = np.random.randint(0,2, size=len(df))

# Compute the correlation matrix
corr = df.corr()

# Generate a mask for the upper triangle
mask = np.triu(np.ones_like(corr, dtype=bool)) 
mask[np.diag_indices_from(mask)] = False
np.fill_diagonal(mask, True)

# Set up the matplotlib figure
plt.figure(figsize=(8, 8))

# Draw the heatmap using "Heatmapz" package
corrplot(corr[mask], size_scale=300)

6

from string import ascii_letters
import numpy as np
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

sns.set_theme(style="white")

# Generate a large random dataset
rs = np.random.RandomState(33)
d = pd.DataFrame(data=rs.normal(size=(100, 26)),
                 columns=list(ascii_letters[26:]))

# Compute the correlation matrix
corr = d.corr()

# Generate a mask for the upper triangle
mask = np.triu(np.ones_like(corr, dtype=bool))

# Set up the matplotlib figure
f, ax = plt.subplots(figsize=(11, 9))

# Generate a custom diverging colormap
cmap = sns.diverging_palette(230, 20, as_cmap=True)

# Draw the heatmap with the mask and correct aspect ratio
sns.heatmap(corr, mask=mask, cmap=cmap, vmax=.3, center=0,
            square=True, linewidths=.5, cbar_kws={"shrink": .5})

programming python Matrix heatmap Python Heatmap correlation pandas Correlation heatmap plotly

Hướng dẫn diagonal correlation matrix python - Python ma trận tương quan đường chéo

Ghi chú

Bài Viết Liên Quan

Quảng Cáo

Có thể bạn quan tâm

Toplist được quan tâm

Quảng cáo

Xem Nhiều

Quảng cáo

Chúng tôi

Điều khoản

Trợ giúp

Mạng xã hội