在 matplotlib 中绘制相关图答案

【问题标题】：Drawing a correlation graph in matplotlib在 matplotlib 中绘制相关图
【发布时间】：2011-11-16 15:51:05
【问题描述】：

假设我有一个带有n=2 的离散向量数据集：

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

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。

【问题讨论】：

标签： python graph matplotlib data-visualization

【解决方案1】：

Joe Kington 有正确的答案，但你的DATA 可能更复杂。它可能在“a”处有多个值。 Joe 构建 x 轴值的方式很快，但仅适用于唯一值列表。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 集对于每个 x 轴值都有两个值。它在下面用红色绘制：

编辑

您提出的问题非常广泛。我搜索了“相关性”，Wikipedia 对 Pearson 的乘积矩系数进行了很好的讨论，该系数表征了线性拟合的斜率。请记住，这个值只是一个指导，并不能预测线性拟合是否是一个合理的假设，请参阅上一页 correlation and linearity 中的注释。这是一个更新的plotData 方法，它使用numpy.linalg.lstsq 进行线性回归和numpy.corrcoef 计算Pearson's 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很有用，它们是doing this in matplotlib 的示例：

如果线性近似值有用（您可以通过仅查看拟合来定性确定），您可能希望在使 y 方向变平之前减去此趋势。这将有助于表明您具有关于线性趋势的高斯随机分布。

【讨论】：

嗨 Yann.. 感谢您的脚本。我不了解唯一列表部分。您只是将浮点值转换为整数。 x 轴仍然包含重复值对吗？

【解决方案2】：

我有点困惑...有几种方法可以按照这些方式做某事。想到的前两个是简单的茎图或散点图。

你只是想用这样的茎图来绘制东西吗？

import matplotlib.pyplot as plt
data = [
    ('a', 4),
    ('b', 5),
    ('c', 5),
    ('d', 4),
    ('e', 2),
    ('f', 5),
]
labels, y = zip(*data)

x = range(len(y))
plt.stem(x, y)
plt.xticks(x, labels)
plt.axis([-1, 6, 0, 6])
plt.show()

或者像这样的散点图：

import matplotlib.pyplot as plt
data = [
    ('a', 4),
    ('b', 5),
    ('c', 5),
    ('d', 4),
    ('e', 2),
    ('f', 5),
]
labels, y = zip(*data)

x = range(len(y))
plt.plot(x, y, 'o')
plt.xticks(x, labels)
plt.axis([-1, 6, 0, 6])
plt.show()

或者完全是别的什么？

【讨论】：