如何通过遍历每一行在Python中创建相关矩阵？

相关矩阵是包含许多变量的相关系数的表格。表格中的每个单元格表示两个变量之间的相关性。计算出的值的范围可能在-1到1之间。相关矩阵用于对数据进行汇总，诊断高级分析以及作为更复杂研究的输入。

相关矩阵用于表示数据集中变量之间的关系。它是一种矩阵类型，可帮助程序员分析数据组件之间的关系。它表示0到1之间的相关系数。

正值表示良好的相关性，负值显示弱/低相关性，0的值表示给定变量集之间没有相关性依赖。

回归分析和相关矩阵显示了以下观察结果：

识别数据集中独立变量之间的关系。
有助于从数据集中选择显著且不冗余的变量。
这仅适用于数字或连续变量。

在本文中，我们将展示如何使用Python创建相关矩阵。

假设我们使用名称为 starbucksMenu.csv 的CSV文件包含一些随机数据。我们需要为数据集中指定的列创建一个相关矩阵并绘制相关矩阵。

输入文件数据

starbucksMenu.csv

项目名称	卡路里	脂肪	碳水化合物	纤维	蛋白质	钠

Cool Lime Starbucks Refreshers™	45	0	11	0	0	10
Evolution Fresh™ Organic Ginger Limeade	80	0	18	1	0	10
冰咖啡	60	0	14	1	0	10
Tazo®瓶装白茶花蜜	0	0	0	0	0	0
Tazo®瓶装黑莓果蔓	130	2.5	21	0	5	65	Tazo®瓶装巨型桃子	140	2.5	23	0	5	90
Tazo®瓶装冰镇激情果茶	130	2.5	21	0	5	65
Tazo®瓶装李子石榴	80	0	19	0	0	10
Tazo®瓶装塔佐莓	60	0	15	0	0	10
Tazo®瓶装白蔓越莓	150	0	38	0	0	15

创建相关矩阵

我们将为数据集的三列绘制相关矩阵，其为独立连续变量。

Carb
Protein
Sodium

算法(步骤)

以下是执行所需任务的算法/步骤−

导入以下库：os，pandas，NumPy和seaborn。
使用 read_csv() 函数读取给定的CSV文件(将CSV文件加载为pandas数据帧)。
从给定数据集中创建要创建相关矩阵的列的列表。
使用 corr() 函数创建相关矩阵(它计算数据框中所有列的成对相关性，任何 na(null) 值都会自动过滤掉。对于数据框中的任何非数字数据类型列将被丢弃)。
打印数据集中指定列的相关矩阵。
使用seaborn库的 heatmap() 函数绘制相关矩阵(对于要绘制的每个值，热图具有表示同一颜色的多个阴影值。图表的较暗颜色通常表示比较浅色更高的值。甚至可以为不同的值使用完全不同的颜色)。

将数据集导入pandas数据帧

首先将任何样本数据集(这里我们将使用starbucksMenu.csv)导入到pandas数据帧中并打印出来。

示例1

#使用import关键字导入pandas模块作为pd
import pandas as pd
#读取数据集
givenDataset = pd.read_csv('starbucksMenu.csv')
print(givenDataset)

输出

项目名称	卡路里	脂肪	碳水化合物	纤维素	蛋白质	钠

Cool Lime Starbucks Refreshers™	45	0	11	0	0	10
Evolution Fresh™ Organic Ginger Limeade	80	0	18	1	0	10
冰咖啡(Iced Coffee)	60	0	14	1	0	10
Tazo®瓶装莓花白茶(Tazo® Bottled Berry Blossom White)	0	0	0	0	0	0
Tazo®瓶装黑莓茶(Tazo® Bottled Brambleberry)	130	2.5	21	0	5	65
Tazo®瓶装巨型桃(Tazo® Bottled Giant Peach)	140	2.5	23	0	5	90
Tazo®瓶装冰镇激情(Tazo® Bottled Iced Passion)	130	2.5	21	0	5	65
Tazo®瓶装梅石榴(Tazo® Bottled Plum Pomegranate)	80	0	19	0	0	10
Tazo®瓶装百加得(Tazo® Bottled Tazoberry)	60	0	15	0	0	10
Tazo®瓶装白蔓越莓(Tazo® Bottled White Cranberry)	150	0	38	0	0	15

导入数据集后创建相关矩阵

下面的程序找出如何为给定的数据集创建一个相关矩阵，打印它们，并绘制相关矩阵 −

示例2

import os
# 导入pandas模块
import pandas as pd
import numpy as np
import seaborn 
# 读取数据集
givenDataset = pd.read_csv('starbucksMenu.csv')
# 从数据集中分配列的列表
numericColumns = ['Carb', 'Protein', 'Sodium']

# 创建相关矩阵
correlationMatrix = givenDataset.loc[:,numericColumns].corr()
# 打印相关矩阵。
print(correlationMatrix)
# 显示相关矩阵。
seaborn.heatmap(correlationMatrix, annot=True)