Как создать корреляционную матрицу в Python

Один из способов количественной оценки взаимосвязи между двумя переменными — использовать коэффициент корреляции Пирсона, который является мерой линейной связи между двумя переменными.

Принимает значение от -1 до 1, где:

• -1 указывает на совершенно отрицательную линейную корреляцию.
• 0 указывает на отсутствие линейной корреляции.
• 1 указывает на абсолютно положительную линейную корреляцию.

Чем дальше коэффициент корреляции от нуля, тем сильнее связь между двумя переменными.

Но в некоторых случаях мы хотим понять корреляцию между более чем одной парой переменных. В этих случаях мы можем создать матрица корреляции, представляющая собой квадратную таблицу, которая показывает коэффициенты корреляции между несколькими попарными комбинациями переменных.

В этом руководстве объясняется, как создать и интерпретировать корреляционную матрицу в Python.

Как создать матрицу корреляции в Python

Выполните следующие шаги, чтобы создать матрицу корреляции в Python.

Шаг 1. Создайте набор данных

import pandas as pd

data = {'assists': [4, 5, 5, 6, 7, 8, 8, 10],
        'rebounds': [12, 14, 13, 7, 8, 8, 9, 13],
        'points': [22, 24, 26, 26, 29, 32, 20, 14]
        }

df = pd.DataFrame(data, columns=['assists','rebounds','points'])
df

#   assist  rebounds  points
#0	4	12	22
#1	5	14	24
#2	5	13	26
#3	6	7	26
#4	7	8	29
#5	8	8	32
#6	8	9	20
#7	10	13	14

Шаг 2. Создайте матрицу корреляции

#создать корреляционную матрицу
df.corr()

                assists   rebounds     points
assists        1.000000  -0.244861  -0.329573
rebounds      -0.244861   1.000000  -0.522092
points        -0.329573  -0.522092   1.000000

#создайте ту же матрицу корреляции с коэффициентами, округленными до 3 знаков после запятой
df.corr().round(3)
	       assists	rebounds  points
assists	         1.000	  -0.245  -0.330
rebounds	-0.245	   1.000  -0.522
points	        -0.330	  -0.522   1.000

Шаг 3. Интерпретация матрицы корреляции

Все коэффициенты корреляции по диагонали таблицы равны 1, потому что каждая переменная совершенна коррелирует сам с собой.

Все остальные коэффициенты корреляции указывают на корреляцию между различными попарными комбинациями переменных. Например:

• Коэффициент корреляции между передачами и подборами равен -0.245
• Коэффициент корреляции между передачами и очками равен -0.330.
• Коэффициент корреляции между подборами и очками равен -0.522

Шаг 4. Визуализируйте матрицу корреляции (необязательно)

Вы можете визуализировать матрицу корреляции с помощью параметры стиля доступны в pandas:

corr = df.corr()
corr.style.background_gradient(cmap='coolwarm')

Вы также можете изменить аргумент cmap, чтобы создать корреляционную матрицу с разными цветами.

corr = df.corr()
corr.style.background_gradient(cmap='RdYlGn')

corr = df.corr()
corr.style.background_gradient(cmap='bwr')

Примечание: Полный список аргументов cmap см. в документация по matplotlib.