Python 每日一记31>>>相关性矩阵建立

AI 前线导读：2019 年 4 月，Java 的收费时代来临了！
Java 是由 Sun 微系统公司在 1995 年推出的编程语言，2010 年 Oracle 收购了 Sun 之后，Java 的所有者也就自然变成了 Oracle。2019 年，Oracle 宣布将停止 Java 8 更新的免费支持，未来 Java 的更新只适用于已付费的许可证持有者。—以上摘自公众号AI前线。
之前在Python 每日一记26中有提到自定义相关系数的建立，还记得我们得到的结果是下面的情况：

这样的结果多少有些让人不舒服，因此还是想要得到相关性矩阵的输出形势，在思考之后，有所突破啦，下面直接上代码



代码用了三个循环，一个循环是循环输出维度，课室维度和部类维度，另外两个循环是行列的确定，用于相关性项目的确定，为了达到矩阵的效果，我们必须有行列名的指定，才能根据行列名对应写入两者的相关系数，xg = pd.DataFrame([],index=names,columns=names) # 定义相关性数据框，这一步就至关重要了，之后再xg.loc[name1,name2] = ‘{0:.2%}’.format(b_c)，其中loc()是定位出行列交叉点，format给出百分比的值。因为b_c本身就是name1和name2交互的相关性，因此能和xg.loc[name1,name2]对应上，逐步循环后，就能得出相关性矩阵啦，这里值得注意的是，大量的循环会相当耗费时间，比如我部类有54个，时间大概是1分钟半，但是品牌有600多个，循环360000次，那么时间大概就是部类的100倍，结果运行真的接近1个小时40分钟。不知道有没有其他办法解决这个问题，目前我自己无从下手。

2019/5/5
今天有空进行了代码优化，利用集合的交集并集差集特性，更加简单的得出了结果，如下代码