Python-相关系数矩阵计算-Python.corr()

1. 背景知识

相关系数矩阵衡量的是自变量之间的相关程度，当相关系数为1时表示自变量之间完全正相关，当相关系数为-1时表示自变量之间完全负相关。

2. 衡量方法

Pearson皮尔逊相关系数衡量的是两个变量之间的线性关系，即线性关联度，在数学上定义为两个变量之间的协方差和标准差之积的商。
$$r=\frac{\text{cov}(X,Y)}{{\sigma }_X{\sigma }_Y}$$
其中：
$\text{cov}(X,Y)$ 是变量 $X$ 和 $Y$ 的协方差。
${\sigma }_X$ 和 ${\sigma }_Y$ 分别是变量 $X$ 和 $Y$ 的标准差。

Kendall肯德尔等级相关系数衡量的是两个变量之间的等级相关性，对数据的长度没有限制，比较适合应用于当数据不满足正态分布或者有异常值的情况。

Spearman斯皮尔曼等级相关系数衡量的是两个变量之间单调关系的强度，即两个变量在变大或者变小的趋势上有多大的程度在保持步调一致（忽略是否保持等比例）

3. Python实现
   主要使用Python内置函数corr()。
   method：参数指定计算相关性的方法；
   min_periods：设置计算相关性所需观测值数量的最小值，默认min_periods = 1；
   numeric_only：True则仅计算数值列，False计算所有列（可能会有报错），建议保持默认为True.

import pandas as pd
df_correlation_matrix = pd.read_excel(file) # 读取Excel数据
# used_column 为参与计算相关系数矩阵的数据列列名，type为list
df_correlation_matrix_used = df_correlation_matrix[used_column] 
pearson_matrix = df_correlation_matrix_used.corr(method='pearson', min_periods=1, numeric_only=True)
kendall_matrix = df_correlation_matrix_used.corr(method='kendall', min_periods=1, numeric_only=True)
spearman_matrix = df_correlation_matrix_used.corr(method='spearman', min_periods=1, numeric_only=True)

如果需要把计算所得的相关系数矩阵绘制成热力图，可以参考如下代码：

import seaborn as sns
import matplotlib.pyplot as plt
# 绘制热图
sns.heatmap(pearson_matrix, annot=True)
plt.savefig('pearson_matrix_plot.png')

以上仅供参考。