如何 plot 相關矩陣/熱圖與分類和數值變量

Question

我有 4 個變量，其中 2 個變量是標稱的（dtype=object），2 個是數字的（dtypes=int 和 float）。

df.head(1)

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

現在，我想將 dataframe 放入 seaborn 熱圖可視化中。

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

但是我收到一條錯誤消息，指出我不能使用分類變量，只能使用數字。 我如何正確處理它然后將其反饋到熱圖中？

Answer 1

要繪制的熱圖需要介於 0 和 1 之間的值。對於數值變量之間的相關性，您可以使用 Pearson 的 R，對於分類變量（修正后的）Cramer's V，對於分類變量和數值變量之間的相關性，您可以使用相關率。

至於創建分類變量的數值表示，有多種方法可以做到這一點：

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'])