HF.067 | 用 Python 对多维数据进行相关性分析

在进行数据分析时，我们所用到的数据往往都不是一维的，而这些数据在分析时增加了不少难度，因为我们需要考虑各个维度之间的关系。而这些维度关系的分析就需要用一些方法来进行衡量，相关性分析就是其中一种。本文就用Python通过绘图的方式来解释一下数据的相关性。

这里分享一些期刊上的美图：

图1：https://doi.org/10.1128/aem.00352-11

图2：https://doi.org/10.3390/w14132120

图3：https://doi.org/s41586-022-05292-x

首先加载所需要用的python包。如果需要更改颜色，将True改成False

第二步导入数据，本文用的数据来自唐白河流域数据，三个水文站69年洪峰流量和水位数据，其中B、C站是A站的上游测站，共69个6维数据。存储在hy.csv文件中。通过pandas导入并展示数据的相关性情况。

也可以使用绘图库seaborn自带的数据，想熟悉流程的同学可以自行练习。

df = sns.load_dataset('iris')

1、首先来做一个比较简单的分析，即分析这个数据集中第1列和第3列的相关性，也就是Q_A和Q_B。

第一种增加拟合线和置信区间。

代码如下：

生成图片如下：

代码如下：

#改成蜂窝状sns.jointplot(x ='Q_A', y ='Q_B', data = df,kind = 'hex')

2、利用seaborn库绘制的普通相关关系图。

代码如下：

sns.pairplot(df)

生成图片如下：

这一行代码结果如所示，是一张大图，其中包含36个子图，每个子图都是每个维度和其他某个维度的相关关系图，这其中主对角线上的图，则是每个维度的数据分布直方图。

也可以利用seaborn绘制以第一列列数据为基准的相关关系图。

代码如下：

sns.pairplot(df , hue ='Q_A');

生成图片如下：

这一行代码是画出同样的图形，但却以Q_A这个维度的数据为标准，来对各个数据点进行着色，其结果如图所示。从图中可以看出，Q_A这列数据共5个不同的数值，每个数值一种颜色，所以生成的图是彩色的。

3、利用pandas库生成的相关关系图。

代码如下：

pd.plotting.scatter_matrix(df,figsize=12,12),range_padding=0.8);

生成图片如下：

可以看到用pandas绘制的图和seaborn的大体结果一样，但图片的可定制程度和精细度还是略差一些，所以一般情况下建议用seaborn。

4、利用seaborn库绘制相关关系热力图。

代码如下：

#相关性热力图sns.heatmap(df.corr())

生成图片如下：

代码如下：

#聚类相关性热力图sns.clustermap(df.corr())

生成图片如下：