python - 如何将相关矩阵绘制为一组椭圆，类似于 R 露天包？

Question

下图是使用open-air R包绘制的:

我知道 matplotlib 有 plt.matshow 函数，
但不能同时清楚地显示变量之间的关系。

这是我早期的作品:

df 是一个带有 7 个变量的 pandas 数据框，如下所示:

我不知道如何将 .csv 文件附加到 StackOverflow。

使用plt.matshow(df.corr(),cmap = plt.cm.Greens)，图中显示如下:

第二张图不能像第一张图那样清楚地表示变量的相关关系。

编辑:

我将 csv 文件上传到 Google 文档 here .

Answer 1

我不知道有任何现有的 Python 库可以绘制这些“椭圆图”，但使用 matplotlib.collections.EllipseCollection 实现它并不是特别困难:

import numpy as np
import pandas as pd
from matplotlib import pyplot as plt
from matplotlib.collections import EllipseCollection

def plot_corr_ellipses(data, ax=None, **kwargs):

    M = np.array(data)
    if not M.ndim == 2:
        raise ValueError('data must be a 2D array')
    if ax is None:
        fig, ax = plt.subplots(1, 1, subplot_kw={'aspect':'equal'})
        ax.set_xlim(-0.5, M.shape[1] - 0.5)
        ax.set_ylim(-0.5, M.shape[0] - 0.5)

    # xy locations of each ellipse center
    xy = np.indices(M.shape)[::-1].reshape(2, -1).T

    # set the relative sizes of the major/minor axes according to the strength of
    # the positive/negative correlation
    w = np.ones_like(M).ravel()
    h = 1 - np.abs(M).ravel()
    a = 45 * np.sign(M).ravel()

    ec = EllipseCollection(widths=w, heights=h, angles=a, units='x', offsets=xy,
                           transOffset=ax.transData, array=M.ravel(), **kwargs)
    ax.add_collection(ec)

    # if data is a DataFrame, use the row/column names as tick labels
    if isinstance(data, pd.DataFrame):
        ax.set_xticks(np.arange(M.shape[1]))
        ax.set_xticklabels(data.columns, rotation=90)
        ax.set_yticks(np.arange(M.shape[0]))
        ax.set_yticklabels(data.index)

    return ec

例如，使用您的数据:

data = df.corr()
fig, ax = plt.subplots(1, 1)
m = plot_corr_ellipses(data, ax=ax, cmap='Greens')
cb = fig.colorbar(m)
cb.set_label('Correlation coefficient')
ax.margins(0.1)

负相关可以绘制为相反方向的椭圆:

fig2, ax2 = plt.subplots(1, 1)
data2 = np.linspace(-1, 1, 9).reshape(3, 3)
m2 = plot_corr_ellipses(data2, ax=ax2, cmap='seismic', clim=[-1, 1])
cb2 = fig2.colorbar(m2)
ax2.margins(0.3)