以DataFrame的形式按序输出关联矩阵(correlation matrix)

一般来说在做EDA的时候，我们都是输出相关矩阵的热力图或者是以表格形式输出。

但是我在Stantar 2019的一个kernel见到了按序输出关联矩阵系数的代码，故在此基础上进行了一定修改，实现了一个自己的code snippet.

具体例子见下：(此处数据采用Titanic in Kaggle)

1 2	train_corr = train_df.drop(['PassengerId'], axis=1).corr() train_corr

1
2
3

# 设置热力图尺寸为(20, 12)
plt.subplots(figsize=(20, 12))
sns.heatmap(train_corr, vmin=-1, vmax=1, annot=True, square=True)

1
2
3

corr = train_corr.abs().unstack().sort_values(kind='quicksort', ascending=False).reset_index()
corr = corr[(corr['level_0'] != corr['level_1']) & (corr['level_0'] == 'Survived')]
corr

一般是设置ascending参数，来看你是想要按序输出高或低相关度.

这里feature数量比较少，故直接输出，一般是corr调用tail()或者head()来输出该顺序中的后或前几个相关系数。例如：

1	corr.tail(4)

下一篇会在再讲下，如何将Pandas.DataFrame的表格存储为图片，这也是在写这篇blog过程中的一点idea的实现.

Reference

Titanic in Kaggle

按序输出correlation matrix出处

Pandas.DataFrame.unstack

Pandas.DataFrame.reset_index