python - 如何使用分类变量和数值变量绘制相关矩阵/热图

Question

我有 4 个变量，其中 2 个是名义变量(dtype=object)，2 个是数字变量(dtypes=int 和 float)。

df.head(1)

OUT:
OS_type|Week_day|clicks|avg_app_speed
iOS|Monday|400|3.4

现在，我想将数据框放入 seaborn 热图可视化中。

import numpy as np
import seaborn as sns
ax = sns.heatmap(df)

但我收到一条错误消息，指出我不能使用分类变量，只能使用数字。我如何正确处理它然后将其反馈到热图中？

Answer 1

要绘制的热图需要介于 0 和 1 之间的值。对于数值变量之间的相关性，您可以使用 Pearson's R，对于分类变量(校正后的)Cramer's V，对于分类变量和数值变量之间的相关性，您可以使用相关率.

至于创建分类变量的数字表示，有多种方法可以做到这一点:

import pandas as pd
from sklearn.preprocessing import LabelEncoder

df = pd.read_csv('some_source.csv')  # has categorical var 'categ_var'

# method 1: uses pandas
df['numerized1'] = df['categ_var'].astype('category').cat.codes

# method 2: uses pandas, sorts values descending by frequency
df['numerized2'] = df['categ_var'].apply(lambda x: df['categ_var'].value_counts().index.get_loc(x))

# method 3: uses sklearn, result is the same as method 1
lbl = LabelEncoder()
df['numerized3'] = lbl.fit_transform(df['categ_var'])

# method 4: uses pandas; xyz captures a list of the unique values 
df['numerized4'], xyz = pd.factorize(df['categ_var'])