多个类别变量（熊猫）之间的相关性

Question

我有一个由22个分类变量（无序）组成的数据集。我想在一个不错的热图中可视化它们的相关性。自熊猫内置功能

DataFrame.corr(method='pearson', min_periods=1)

仅实现数值变量的相关系数（Pearson，Kendall，Spearman），我必须自己对其进行汇总以执行卡方或类似操作，而且我不太确定哪个函数可以一步一步完成操作（而不是遍历所有cat1 * cat2对）。需要明确的是，这就是我想要的最终结果（一个dataframe）：

         cat1  cat2  cat3  
  cat1|  coef  coef  coef  
  cat2|  coef  coef  coef
  cat3|  coef  coef  coef

有与pd.pivot_table相同的想法吗？

先谢谢了。

Answer 1

您可以使用 pd.factorize

df.apply(lambda x : pd.factorize(x)[0]).corr(method='pearson', min_periods=1)
Out[32]: 
     a    c    d
a  1.0  1.0  1.0
c  1.0  1.0  1.0
d  1.0  1.0  1.0

数据输入

df=pd.DataFrame({'a':['a','b','c'],'c':['a','b','c'],'d':['a','b','c']})

更新资料

from scipy.stats import chisquare

df=df.apply(lambda x : pd.factorize(x)[0])+1

pd.DataFrame([chisquare(df[x].values,f_exp=df.values.T,axis=1)[0] for x in df])

Out[123]: 
     0    1    2    3
0  0.0  0.0  0.0  0.0
1  0.0  0.0  0.0  0.0
2  0.0  0.0  0.0  0.0
3  0.0  0.0  0.0  0.0

df=pd.DataFrame({'a':['a','d','c'],'c':['a','b','c'],'d':['a','b','c'],'e':['a','b','c']})