相关矩阵：提取具有高 R 值的变量

Question

如何获得仅列出绝对值相关性大于 .7 的变量的输出？

我想要类似这样的输出：

four: one, three
one: three

感谢您的宝贵时间！

代码

import pandas as pd

x={'one':[1,2,3,4],'two':[3,5,7,5],'three':[2,3,4,9],'four':[4,3,1,0],}
y=pd.DataFrame(x)
print(y.corr())

输出

           four       one     three       two
four   1.000000 -0.989949 -0.880830 -0.670820
one   -0.989949  1.000000  0.913500  0.632456
three -0.880830  0.913500  1.000000  0.262613
two   -0.670820  0.632456  0.262613  1.000000

Answer 1

如果您只想将其打印出来，这将有效：

col_names = y.corr().columns.values

for col, row in (y.corr().abs() > 0.7).iteritems():
    print(col, col_names[row.values])

请注意，这可行，但可能会很慢，因为 iteritems 方法会将每一行转换为一个系列。

Answer 2

这对我有用：

corr = y.corr().unstack().reset_index() #group together pairwise
corr.columns = ['var1','var2','corr'] #rename columns to something readable
print( corr[ corr['corr'].abs() > 0.7 ] ) #keep correlation results above 0.7

您可以通过将最后一行更改为

来进一步排除具有相同名称 (corr = 1) 的变量

print( corr[ (corr['corr'].abs() > 0.7) & (corr['var1'] != corr['var2']) ] )

相关矩阵：提取具有高 R 值的变量

Correlation Matrix: Extract Variables with High R Values

python

matrix

correlation