我是 python 和数据科学的新手,我目前正在从事一个基于非常大的数据框的项目,有 75 列。我正在做一些数据探索,我想检查列之间可能存在的相关性。对于较小的数据帧,我知道我可以在数据帧上使用 pandas plotting.scatter_matrix() 来做到这一点。但是,在我的情况下,这会产生一个 75x75 矩阵——我什至无法可视化各个图。
另一种方法是创建 5 列的列表并多次使用 scatter_matrix,但这种方法会产生过多的散布矩阵。例如,有 15 列,这将是:
import pandas as pd
df = pd.read_csv('dataset.csv')
list1 = [df.iloc[:, i] for i in range(5)]
list2 = [df.iloc[:, i+5] for i in range(5)]
list3 = [df.iloc[:, i+10] for i in range(5)]
pd.plotting.scatter_matrix(df_acoes[list1])
pd.plotting.scatter_matrix(df_acoes[list2])
pd.plotting.scatter_matrix(df_acoes[list3])
为了在 75 列中使用相同的方法,我必须继续直到list15
. 这看起来非常低效。我想知道是否有更好的方法来探索我的数据集中的相关性。