rysunku wykres korelacji w matplotlib

Question

Załóżmy, że ma zbiór danych z oddzielnych wektorów n=2:

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

Jak można wykreślić że zestaw danych z matplotlib tak, aby uwidocznić korelacji między tymi dwiema zmiennymi?

Wszelkie proste przykłady kodu byłyby świetne.

Answer 1

Joe Kington ma poprawną odpowiedź, ale Twój DATA prawdopodobnie jest bardziej skomplikowany, który jest reprezentowany. Może mieć wiele wartości w "a". Sposób, w jaki Joe tworzy wartości osi X, jest szybki, ale działa tylko dla listy unikalnych wartości. Nie może być szybszy sposób to zrobić, ale to w jaki sposób zrealizować go:

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") 

Moja DATA2 zestaw składa się z dwóch wartości dla każdego x wartość osi. To wykreślone na czerwono poniżej:

EDIT

pytanie pytasz jest bardzo szeroka. Szukałem "korelacji", a Wikipedia odbyłem dobrą dyskusję na temat współczynnika momentu Pearsona, który charakteryzuje nachylenie liniowego pasowania. Należy pamiętać, że ta wartość jest jedynie wskazówką i nie przewiduje w żaden sposób, czy dopasowanie liniowe jest rozsądnym założeniem, patrz uwagi na powyższej stronie pod adresem correlation and linearity. Oto zaktualizowana plotData metoda, która wykorzystuje numpy.linalg.lstsq zrobić regresji liniowej i numpy.corrcoef obliczyć Pearsona 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) 

Nowa postać jest:

spłaszczenie również każdy kierunek i patrząc w poszczególnych dystrybucjach może być przydatne, a ich przykłady to: doing this in matplotlib:

Jeśli przybliżenie liniowe jest użyteczne, co można określić jako Po prostu patrząc na dopasowanie, możesz odejść od tego trendu przed zejściem w kierunku y. To pomogłoby pokazać, że macie losowy rozkład Gaussa o liniowym trendzie.

Answer 2

Jestem nieco zdezorientowany ... Istnieje kilka sposobów, aby coś z tym zrobić. Pierwsze dwa, które przychodzą na myśl, to prosty wykres trzonu lub wykres punktowy.

Czy chcesz tylko kreślić rzeczy za pomocą takiego wykresu?

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() 

Albo wykres punktowy tak:

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() 

Albo coś zupełnie innego?