pandas的scatter_matrix散布矩阵图的理解

太过爱你忘了你带给我的痛 2022-05-12 08:24 186阅读 0赞

![这里写图片描述][SouthEast]  
Q:   
如何理解问题3中给出的图？如何分析关联性、变量分布？

A: 这张图分为两部分：对角线部分和非对角线部分。   
**对角线部分**： 核密度估计图（Kernel Density Estimation），就是用来看某 一个 变量分布情况，横轴对应着该变量的值，纵轴对应着该变量的密度（可以理解为出现频次）。   
**非对角线部分**：两个 变量之间分布的关联散点图。将任意两个变量进行配对，以其中一个为横坐标，另一个为纵坐标，将所有的数据点绘制在图上，用来衡量两个变量的关联度（Correlation）。关于如何分析关联度，可以参考 [Wiki:correlation and dependence16][Wiki_correlation and dependence16]。   
对这个问题，你还可以参考论坛中的这个帖子：[从散列图看数据相关性][Link 1]。

你把图画出来以后，你会看到比如上面的散点图，那么比如说数据的分布可能是像一条线那就是线性的这种。就是你可以充分联想一下它和你见过的哪些函数曲线会类似。

可以使用相关系数，量化方式查看相关性

In \[1\]: import pandas as pd

In \[2\]: import numpy as np

In \[3\]: df = pd.DataFrame(np.array(\[\[1, 2, 3\], \[100, 9, 6\], \[0, 78, 9\]\]).T, columns=\['A', 'B', 'C'\])

In \[4\]: df.corr()

Out\[4\]: A B C

A 1.000000 -0.879722 0.105453

B -0.879722 1.000000 -0.565606

C 0.105453 -0.565606 1.000000

相关性越高，证明一个特征可有另一个特征得到，所以两个特征中可以适当舍去一个

对角线上的是概率密度分布图（轴上的坐标不适用）  
其它都是散点图（轴上的坐标适用）

x=y表示两者不相关

[SouthEast]: /images/20220512/d27642db9d514f2abb3dcd64aa6e159d.png
[Wiki_correlation and dependence16]: https://en.wikipedia.org/wiki/Correlation_and_dependence
[Link 1]: https://discussions.youdaxue.com/t/topic/13884