python - 在matplotlib中绘制相关图

Question

假设我有一个离散向量数据集，n=2:

DATA = [
    ('a', 4),
    ('b', 5),
    ('c', 5),
    ('d', 4),
    ('e', 2),
    ('f', 5),
]

我如何使用 matplotlib 绘制该数据集，以便可视化两个变量之间的任何相关性？

任何简单的代码示例都会很棒。

Answer 1

Joe Kington 的答案是正确的，但您的 DATA 可能比所表示的更复杂。它可能在“a”处有多个值。 Joe 构建 x 轴值的方法很快，但只适用于唯一值列表。可能有更快的方法来做到这一点，但这是我完成它的方式:

import matplotlib.pyplot as plt

def assignIDs(list):
    '''Take a list of strings, and for each unique value assign a number.
    Returns a map for "unique-val"->id.
    '''
    sortedList = sorted(list)

    #taken from
    #http://stackoverflow.com/questions/480214/how-do-you-remove-duplicates-from-a-list-in-python-whilst-preserving-order/480227#480227
    seen = set()
    seen_add = seen.add
    uniqueList =  [ x for x in sortedList if x not in seen and not seen_add(x)]

    return  dict(zip(uniqueList,range(len(uniqueList))))

def plotData(inData,color):
    x,y = zip(*inData)

    xMap = assignIDs(x)
    xAsInts = [xMap[i] for i in x]


    plt.scatter(xAsInts,y,color=color)
    plt.xticks(xMap.values(),xMap.keys())


DATA = [
    ('a', 4),
    ('b', 5),
    ('c', 5),
    ('d', 4),
    ('e', 2),
    ('f', 5),
]


DATA2 = [
    ('a', 3),
    ('b', 4),
    ('c', 4),
    ('d', 3),
    ('e', 1),
    ('f', 4),
    ('a', 5),
    ('b', 7),
    ('c', 7),
    ('d', 6),
    ('e', 4),
    ('f', 7),
]

plotData(DATA,'blue')
plotData(DATA2,'red')

plt.gcf().savefig("correlation.png")

我的 DATA2 集的每个 x 轴值都有两个值。它在下面用红色绘制:

编辑

你问的问题很宽泛。我搜索了“相关性”，然后 Wikipedia对 PIL 逊乘积矩系数进行了很好的讨论，它表征了线性拟合的斜率。请记住，此值仅供引用，绝不能预测线性拟合是否是一个合理的假设，请参阅上页中关于 correlation and linearity 的注释。 .这是更新后的 plotData 方法，它使用 numpy.linalg.lstsq 进行线性回归，使用 numpy.corrcoef 计算 Pearson 的 R:

import matplotlib.pyplot as plt
import numpy as np

def plotData(inData,color):
    x,y = zip(*inData)

    xMap = assignIDs(x)
    xAsInts = np.array([xMap[i] for i in x])

    pearR = np.corrcoef(xAsInts,y)[1,0]
    # least squares from:
    # http://docs.scipy.org/doc/numpy/reference/generated/numpy.linalg.lstsq.html
    A = np.vstack([xAsInts,np.ones(len(xAsInts))]).T
    m,c = np.linalg.lstsq(A,np.array(y))[0]

    plt.scatter(xAsInts,y,label='Data '+color,color=color)
    plt.plot(xAsInts,xAsInts*m+c,color=color,
             label="Fit %6s, r = %6.2e"%(color,pearR))
    plt.xticks(xMap.values(),xMap.keys())
    plt.legend(loc=3)

新的数字是:

同时展平每个方向并查看各个分布可能会有用，它们是 doing this in matplotlib 的示例:

如果线性近似有用(您可以通过查看拟合定性地确定)，您可能需要在拉平 y 方向之前减去该趋势。这将有助于表明您具有关于线性趋势的高斯随机分布。