pandas相关系数矩阵

相关矩阵也叫相关系数矩阵，是由矩阵各列间的相关系数构成的。也就是说，相关矩阵第i行第j列的元素是原矩阵第i列和第j列的相关系数。



定义：


设（X1,X2,X3...Xn）是一个n维随机变量,任意Xi与Xj的相关系数ρij（i,j=1,2,...n）存在,则以ρij为元素的n阶矩阵称为该维随机向量的相关矩阵.记作R,即


<https://gss0.baidu.com/9vo3dSag_xI4khGko9WTAnF6hhy/zhidao/pic/item/a08b87d6277f9e2f9ea251381a30e924b899f36f.jpg>


性质：相关矩阵的对角元素是1。相关矩阵是对称矩阵。

在python中，可以利用pandas的corr获取相关系数矩阵，代码如下：
corrdf = full.corr() corrdf
输出（只截取一部分）：




默认地，系统返回每个行-列对中的 Pearson 相关系数。通过传递方法的参数，还可以切换到 Kendall's tau 或 Spearman's
秩相关系数（例如，.corr(method="spearman")或.corr(method="kendall")）


还可以对相关系数矩阵进行降序排列，ascending=False表示降序
corrdf['Survived'].sort_values(ascending=False)
输出：
Survived 1.000000 Title_Mrs 0.344935 Title_Miss 0.332795 Pclass_1 0.285904
familydf_Small 0.279855 Fare 0.257307 Cabin_B 0.175095 Embarked_C 0.168240
Cabin_D 0.150716 Cabin_E 0.145321 Cabin_C 0.114652 Pclass_2 0.093349
Title_Master 0.085221 Parch 0.081629 Cabin_F 0.057935 Title_Royalty 0.033391
Cabin_A 0.022287 familydfSize 0.016639 Cabin_G 0.016040 Embarked_Q 0.003650
PassengerId -0.005007 Cabin_T -0.026456 Title_Officer -0.031316 SibSp -0.035322
Age -0.070323 familydf_Large -0.125147 Embarked_S -0.149683 familydf_Single
-0.203367 Cabin_U -0.316912 Pclass_3 -0.322308 Sex -0.543351 Title_Mr -0.549199
Name: Survived, dtype: float64
在建模时候，需要考察相关性特征，正数为正相关，负数为负相关，通常可以选取绝对值在0.1以上的特征进行建模。若需建立强相关模型，就选取更强的相关性特征。

• « 上一篇：Docker最全教程之树莓派和Docker（十五）
• » 下一篇：hadoop实战视频教程，从入门到精通