热力图的终极解决方案以及IRS相关代码（配套B站讲解：计算并核对IRS的顺序系数，附赠代码）

v1版本：

import pandas as pd

# 读取包含a, b, c, d 列的Excel文件

import pandas as pd

# 读取包含a, b, c, d 列的Excel文件
excel_file = 'result_excel_file.xlsx'  # 替换为你的Excel文件路径
df = pd.read_excel(excel_file)

# 提取问题a, b, c, d 的值
a_values = df['a'].tolist()
b_values = df['b'].tolist()
c_values = df['c'].tolist()
d_values = df['d'].tolist()

# 初始化结果存储的数据结构
result_data = []

# 遍历每行计算顺序系数,从第一行开始算顺序系数，i代表Excel行数
i=1
for a, b, c, d in zip(a_values, b_values, c_values, d_values):
    i = i + 1

    if (c + d) * (a + c) != 0:

        sequence_coefficient = 1 - c/ ((c + d) * (a + c))
        print(i)
        print(a)
        print(b)
        print(c)
        print(d)



        #print(sequence_coefficient)
        result_data.append(sequence_coefficient)
    else:
        result_data.append(None)

# 创建一个包含顺序系数的新DataFrame
print(result_data)
# 保存结果到Excel文件
df_result = pd.DataFrame(result_data, columns=['顺序系数'])
df_result.to_excel('3.xlsx', index=False)

热力图 没有各种乱码之类的

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
#通过下面这行解决中文乱码问题

import pandas as pd
import matplotlib.pyplot as plt
import seaborn as sns
sns.set_style('whitegrid',{'font.sans-serif':['simhei','Arial']})

# 解决保存图像是负号'-'显示为方块的问题
plt.rcParams['axes.unicode_minus'] = False
# 读取Excel文件
excel_file_path = 'result_excel_file.xlsx'  # 替换为你的Excel文件路径
df = pd.read_excel(excel_file_path)

# 提取问题i、问题j和顺序系数列数据
data = df[['问题i', '问题j', '顺序系数']]

# 创建数据透视表，以便于绘制热力图
pivot_data = data.pivot(index='问题i', columns='问题j', values='顺序系数')

# 使用Seaborn绘制热力图

plt.figure(figsize=(20, 15))
sns.heatmap(pivot_data, cmap='viridis', annot=True, fmt=".2f", linewidths=.5)

plt.title('热力图', fontsize=16)  # 调整标题字体大小
plt.xlabel('问题j',  fontsize=14)  # 调整 x 轴标签字体大小
plt.ylabel('问题i',  fontsize=14)  # 调整 y 轴标签字体大小
plt.show()

IRS图 abcd 的计算

Excel长这样，标题是题号

import pandas as pd

# 读取Excel文件
excel_file = 'sp.xlsx'  # 替换为你的Excel文件路径
df = pd.read_excel(excel_file)

# 提取学生姓名和问题序号,此部分测试正常，注释掉
# students = df.iloc[:, 0].tolist()
# print(students)
# questions = df.columns[1:].tolist()
# print(questions)
# # 提取每个学生的答题情况
# for student in students:
#     student_data = df[df.iloc[:, 0] == student]
#     student_answers = student_data.iloc[0, 1:].tolist()
#     print(f"学生: {student}")
#     for i, answer in enumerate(student_answers):
#         print(f"问题 {questions[i]}: {answer}")

# 提取学生姓名和问题序号
students = df.iloc[:, 0].tolist()
questions = df.columns[1:].tolist()

# 初始化结果存储的数据结构
result_data = []

# 遍历问题序号i和j的组合
for i in range(len(questions)):
    for j in range(len(questions)):
        q_i = questions[i]
        q_j = questions[j]

        # 计算情况a（问题i答对，问题j答对的学生数量）
        a = ((df[q_i] == 1) & (df[q_j] == 1)).sum()

        # 计算情况b（问题i答对，问题j答错的学生数量）
        b = ((df[q_i] == 1) & (df[q_j] == 0)).sum()

        # 计算情况c（问题i答错，问题j答对的学生数量）
        c = ((df[q_i] == 0) & (df[q_j] == 1)).sum()

        # 计算情况d（问题i答错，问题j答错的学生数量）
        d = ((df[q_i] == 0) & (df[q_j] == 0)).sum()

        # 计算总和
        total = a + b + c + d

        result_data.append([q_i, q_j, a, b, c, d, total])

# 创建一个包含结果的新DataFrame
result_df = pd.DataFrame(result_data, columns=['问题i', '问题j', 'a', 'b', 'c', 'd', '总和'])

# 将结果写入新的Excel文件
result_excel_file = 'result_excel_file.xlsx'  # 替换为新Excel文件的路径
result_df.to_excel(result_excel_file, index=False)

print("结果已写入新Excel文件:", result_excel_file)

IRS图 0 1 序列

斯皮尔曼相关系数

import pandas as pd
from scipy.stats import spearmanr

# 读取 Excel 文件
excel_file = 'sp.xlsx'  # 替换为你的 Excel 文件名
df = pd.read_excel(excel_file)

# 示例数据列名称，根据实际情况替换
question_columns = df.columns.tolist()[1:]  # 假设第一列为索引，后续列为题号

# 创建一个空的 DataFrame 存储系数结果
results = []

# 计算任意两个问题之间的系数，并存入 DataFrame
for col1 in question_columns:
    for col2 in question_columns:
        if col1 != col2:  # 避免计算同一列的系数
            # 计算 Spearman 相关系数
            spearman_corr, _ = spearmanr(df[col1], df[col2])
            results.append([col1, col2, spearman_corr])

# 创建包含相关系数的 DataFrame
result_df = pd.DataFrame(results, columns=['问题i', '问题j', '相关系数'])

# 将结果存入 Excel 文件
result_df.to_excel('coefficients_result.xlsx', index=False, engine='openpyxl')

运行结果：

改成行列式显示二维结果（便于画热力图）

import pandas as pd
from scipy.stats import spearmanr

# 读取 Excel 文件
excel_file = 'sp.xlsx'  # 替换为你的 Excel 文件名
df = pd.read_excel(excel_file)

# 示例数据列名称，根据实际情况替换
question_columns = df.columns.tolist()[1:]  # 假设第一列为索引，后续列为题号

# 创建一个空的 DataFrame 存储系数结果
results = []

# 计算任意两个问题之间的系数，并存入 DataFrame
for col1 in question_columns:
    for col2 in question_columns:
        if col1 != col2:  # 避免计算同一列的系数
            # 计算 Spearman 相关系数
            spearman_corr, _ = spearmanr(df[col1], df[col2])
            results.append([col1, col2, spearman_corr])

# 创建包含相关系数的 DataFrame
result_df = pd.DataFrame(results, columns=['问题i', '问题j', '相关系数'])

# 将结果存入 Excel 文件
result_df.to_excel('coefficients_result.xlsx', index=False, engine='openpyxl')

删除值为空的地方

绘制热力图