Матрица корреляции – это таблица, показывающая коэффициенты корреляции между набором переменных. В Python ее часто используют для анализа данных с помощью библиотек pandas и seaborn.
1. Используя библиотеку pandas:
Pandas предоставляет удобную функцию corr() для вычисления матрицы корреляции.
Import pandas as pd
# Пример данных (можно загрузить из CSV, Excel, базы данных и т. д.)
Data = {‘column1’: [1, 2, 3, 4, 5],
‘column2’: [2, 4, 1, 3, 5],
‘column3’: [3, 1, 4, 2, 5]}
Df = pd. DataFrame(data)
# Вычисление Матрицы Корреляции
Correlation_matrix = df. corr()
Print(correlation_matrix)
Вывод:
column1 column2 column3
Column1 1.000000 0.544331 0.100000
Column2 0.544331 1.000000 -0.438571
Column3 0.100000 -0.438571 1.000000
Объяснение:
import pandas as pd: Импортирует библиотеку pandas и присваивает ей псевдоним pd. data = {…}: Создает словарь с данными. В реальных задачах данные часто загружаются из внешних источников. df = pd. DataFrame(data): Преобразует словарь data в объект DataFrame, который является основной структурой данных в pandas. correlation_matrix = df. corr(): Вычисляет матрицу корреляции для всех числовых столбцов в DataFrame df. Результат сохраняется в переменной correlation_matrix. print(correlation_matrix): Выводит матрицу корреляции на экран.
2. Визуализация матрицы корреляции с помощью seaborn:
Для лучшего понимания матрицы корреляции ее часто визуализируют с помощью тепловой карты (heatmap) из библиотеки seaborn.
Import pandas as pd
Import seaborn as sns
Import matplotlib. pyplot as plt
# Пример Данных
Data = {‘column1’: [1, 2, 3, 4, 5],
‘column2’: [2, 4, 1, 3, 5],
‘column3’: [3, 1, 4, 2, 5]}
Df = pd. DataFrame(data)
# Вычисление Матрицы Корреляции
Correlation_matrix = df. corr()
# Визуализация матрицы корреляции с помощью heatmap
Sns. heatmap(correlation_matrix, annot=True, cmap="coolwarm") # annot=True Для Отображения Значений
Plt. title("Матрица корреляции")
Plt. show()
Объяснение:
import seaborn as sns: Импортирует библиотеку seaborn и присваивает ей псевдоним sns. import matplotlib. pyplot as plt: Импортирует модуль pyplot из библиотеки matplotlib и присваивает ему псевдоним plt. Matplotlib используется для настройки графика. sns. heatmap(correlation_matrix, annot=True, cmap="coolwarm"): Создает тепловую карту на основе матрицы корреляции correlation_matrix.
annot=True: Отображает значения коэффициентов корреляции в ячейках тепловой карты. cmap="coolwarm": Задает цветовую палитру для тепловой карты. coolwarm отображает положительные корреляции теплыми цветами (красный), отрицательные корреляции холодными цветами (синий), а нулевые корреляции белым цветом. Можно использовать другие цветовые палитры (например, “viridis”, “plasma”, “magma”).
plt. title("Матрица корреляции"): Устанавливает заголовок графика. plt. show(): Отображает график.
Параметры Df. corr():
Функция df. corr() принимает несколько необязательных параметров:
Method: Метод вычисления корреляции. По умолчанию используется "pearson" (коэффициент корреляции Пирсона). Другие возможные значения:
"spearman": Коэффициент корреляции Спирмена (ранговая корреляция). "kendall": Коэффициент корреляции Кендалла (ранговая корреляция).
Min_periods: Минимальное количество наблюдений, необходимых для вычисления корреляции между двумя столбцами. Если количество общих не-NA значений меньше min_periods, корреляция будет равна NA.
Пример с указанием метода корреляции:
Import pandas as pd
Import seaborn as sns
Import matplotlib. pyplot as plt
Data = {‘column1’: [1, 2, 3, 4, 5],
‘column2’: [2, 4, 1, 3, 5],
‘column3’: [3, 1, 4, 2, 5]}
Df = pd. DataFrame(data)
# Вычисление Матрицы Корреляции Спирмена
Correlation_matrix = df. corr(method="spearman")
Sns. heatmap(correlation_matrix, annot=True, cmap="coolwarm")
Plt. title("Матрица корреляции Спирмена")
Plt. show()
Интерпретация матрицы корреляции:
Значение коэффициента корреляции находится в диапазоне от -1 до 1. 1: Полная положительная корреляция (когда одна переменная увеличивается, другая тоже увеличивается). -1: Полная отрицательная корреляция (когда одна переменная увеличивается, другая уменьшается). 0: Отсутствие корреляции. Значения, близкие к 1 или -1, указывают на сильную корреляцию, а значения, близкие к 0, указывают на слабую корреляцию.
Важно: Корреляция не означает причинно-следственную связь. Наличие корреляции между двумя переменными не обязательно означает, что одна переменная влияет на другую. Возможно, существует третья переменная, которая влияет на обе переменные, или это может быть просто случайность.
Пример с реальными данными (использование CSV-файла):
Import pandas as pd
Import seaborn as sns
Import matplotlib. pyplot as plt
# Загрузка Данных Из CSV-Файла (Замените ‘your_data. csv’ На Имя Вашего Файла)
Try:
df = pd. read_csv(‘your_data. csv’)
Except FileNotFoundError:
print("Файл не найден.")
exit() # Завершаем выполнение программы
# Проверяем наличие числовых столбцов, иначе corr() вызовет ошибку
Numeric_columns = df. select_dtypes(include=[‘number’]).columns
If len(numeric_columns) == 0:
print("В файле нет числовых столбцов для вычисления корреляции.")
exit()
# Вычисление матрицы корреляции
Correlation_matrix = df[numeric_columns].corr() # Выбираем только числовые столбцы
# Визуализация матрицы корреляции с помощью heatmap
Plt. figure(figsize=(10, 8)) # Увеличиваем размер графика, чтобы было лучше видно
Sns. heatmap(correlation_matrix, annot=True, cmap="coolwarm", fmt=".2f") # fmt — Формат Чисел
Plt. title("Матрица корреляции")
Plt. show()
В заключение, для вычисления и визуализации матрицы корреляции в Python обычно используются библиотеки pandas и seaborn. С помощью этих инструментов можно легко получить представление о взаимосвязях между переменными в ваших данных.