J'ai un ensemble de données composé de 22 variables catégorielles (non ordonnées). Je voudrais visualiser leur corrélation dans une carte thermique Nice . Étant donné que la fonction intégrée Pandas
DataFrame.corr(method='pearson', min_periods=1)
implémenter uniquement des coefficients de corrélation pour les variables numériques (Pearson, Kendall, Spearman), je dois l'agréger moi-même pour effectuer un chi carré ou quelque chose comme ça et je ne suis pas sûr de la fonction à utiliser pour le faire en une étape élégante (plutôt que de parcourir toutes les paires cat1 * cat2). Pour être clair, voici ce que j'aimerais finir avec (un cadre de données ):
cat1 cat2 cat3
cat1| coef coef coef
cat2| coef coef coef
cat3| coef coef coef
Des idées avec pd.pivot_table ou quelque chose dans la même veine?
merci d'avance.
Vous pouvez utiliser pd.factorize
df.apply(lambda x : pd.factorize(x)[0]).corr(method='pearson', min_periods=1)
Out[32]:
a c d
a 1.0 1.0 1.0
c 1.0 1.0 1.0
d 1.0 1.0 1.0
Entrée de données
df=pd.DataFrame({'a':['a','b','c'],'c':['a','b','c'],'d':['a','b','c']})
Mettre à jour
from scipy.stats import chisquare
df=df.apply(lambda x : pd.factorize(x)[0])+1
pd.DataFrame([chisquare(df[x].values,f_exp=df.values.T,axis=1)[0] for x in df])
Out[123]:
0 1 2 3
0 0.0 0.0 0.0 0.0
1 0.0 0.0 0.0 0.0
2 0.0 0.0 0.0 0.0
3 0.0 0.0 0.0 0.0
df=pd.DataFrame({'a':['a','d','c'],'c':['a','b','c'],'d':['a','b','c'],'e':['a','b','c']})
Trouvé une solution agréable et propre dans ce post. Ce n'est pas une étape mais fournit ce qui est nécessaire . Poster sur la corrélation pour les variables catégorielles
Il s'avère que la seule solution que j'ai trouvée consiste à parcourir toutes les paires de facteurs facteur *.
factors_paired = [(i,j) for i in df.columns.values for j in df.columns.values]
chi2, p_values =[], []
for f in factors_paired:
if f[0] != f[1]:
chitest = chi2_contingency(pd.crosstab(df[f[0]], df[f[1]]))
chi2.append(chitest[0])
p_values.append(chitest[1])
else: # for same factor pair
chi2.append(0)
p_values.append(0)
chi2 = np.array(chi2).reshape((23,23)) # shape it as a matrix
chi2 = pd.DataFrame(chi2, index=df.columns.values, columns=df.columns.values) # then a df for convenience