如何找到python中同一列的类别之间的相关性？

Question

如何在同一列中生成不同类别的相关矩阵？ 我正在处理医疗数据，其中有一列包含分配给不同患者的不同类别的疾病。 例如，

    patient disease 
1    101      A   
2    101      B  
3    102      A     
4    102      C   
5    102      B
6    103      A   
7    104      B  
8    104      C     

我想找出不同疾病 A、B 和 C 之间的相关性，以了解患者是否患有疾病 A、他们患疾病 B 的可能性有多大，等等。

像这样的东西，

     A     B     C 
A   ...   ...   ...
B   ...   ...   ...
C   ...   ...   ... 

Answer 1

好吧，这种方法是基于对数据的一些重组，并且有效。

import pandas as pd

data_main = {'patient':[101,101,102,102,102,103,104,104],'disease':['A','B','A','C','B','A','B','C']}

new_data_main = [] #adding columns for every unique values of disease

df = pd.DataFrame(new_data_main)

len_data = len(data_main['patient'])
checked = [] #prevent duplicate 
for j in data_main['patient']:
    if j in checked:
        continue
    indices = [i for i, x in enumerate(data_main['patient']) if x == j]
    temp_data = {'patient':j,'A':0,'B':0,'C':0}
    for k in indices:
        str_dis = data_main['disease'][k]
        temp_data[str_dis]=1
    checked.append(j)
    new_data_main.append(temp_data)


df = pd.DataFrame(new_data_main)


print(df.corr())
'''
          patient         A         B         C
patient  1.000000 -0.774597 -0.258199  0.447214
A       -0.774597  1.000000 -0.333333 -0.577350
B       -0.258199 -0.333333  1.000000  0.577350
C        0.447214 -0.577350  0.577350  1.000000
'''

Answer 2

我会以这种方式使用pivot_table 。

import pandas as pd
import numpy as np
df = pd.DataFrame({'patient': [101, 101, 102, 102, 102, 103, 104, 104], 
        'disease': ['A', 'B', 'A', 'C', 'B', 'A', 'B', 'C']})
pivot_table = pd.pivot_table(df, values='patient', index='disease', columns='disease', aggfunc='count',fill_value = 0)
# set fill_value to 0 in case of no combination between 2 diseases
correlation_matrix = pivot_table.corr() # Initialize corr matrix