У меня есть куча данных о запасах, и я пытаюсь построить фрейм данных, который берет две верхние и нижние акции из матрицы корреляции, а также их фактическую корреляцию.
Допустим, матрица corr
выглядит так:
A B C D E
A 1.00 0.65 0.31 0.94 0.55
B 0.87 1.00 0.96 0.67 0.41
C 0.95 0.88 1.00 0.72 0.69
D 0.64 0.84 0.99 1.00 0.78
E 0.71 0.62 0.89 0.32 1.00
Что я хочу сделать, так это уметь вернуть две лучшие и наименее коррелированные акции и их корреляцию для акций A, B, C, D & E, упуская очевидную 1,00-корреляцию, которую каждая акция имеет с собой.
Результирующий кадр данных, или что-либо, что проще всего отобразить, будет выглядеть так:
Stock 1st 1st_Val 2nd 2nd_Val Last Last_Val
A D 0.94 B 0.65 C 0.31
B C 0.96 A 0.87 E 0.41
C A 0.95 B 0.88 E 0.69
D C 0.99 B 0.84 A 0.64
E C 0.89 A 0.71 D 0.32
С моими попытками до сих пор я смог просмотреть и вернуть соответствующие названия акций, используя corr[stock].nlargest().index[0:].tolist()
, а затем взяв [1]
, [2]
и [-1]
из каждого списка, вставляя их в словарь и создавая [-1]
. Но я не могу вернуть значение корреляции и подозреваю, что в любом случае я делаю это не самым эффективным способом.
Любая помощь действительно ценится, ура
Другой ответ, опирающийся больше на современный стиль панд. Я не нашел хорошего решения для второй по величине корреляции. Я отредактирую ответ, когда найду его.
### Create an example df
df = pd.DataFrame(data = {"A":pd.np.random.randn(10),
"B":pd.np.random.randn(10),
"C":pd.np.random.randn(10),
"D":pd.np.random.randn(10),
}
)
# Solution
(
df.corr() #correlation matrix
.replace(1, pd.np.nan) # replace the matrix with nans
.assign( # assign new variables
First = lambda x: x.loc[["A","B","C","D"], ["A","B","C","D"]].idxmax(axis = 1), # Biggest correlation idx
First_value = lambda x: x.loc[["A","B","C","D"], ["A","B","C","D"]].max(axis = 1), # Biggest correlation
Last = lambda x: x.loc[["A","B","C","D"],["A","B","C","D"]].idxmin(axis = 1), # Smallest correlation idx
Last_value = lambda x: x.loc[["A","B","C","D"],["A","B","C","D"]].idxmin(axis = 1), # Smallest correlation
)
)
Я использую .loc[["A","B","C","D"],["A","B","C","D"]]
, что операции выполняются только на неизмененный фрейм данных.
A B C D First First_value Last Last_value
A NaN -0.085776 -0.203110 -0.003450 D -0.003450 C C
B -0.085776 NaN -0.110402 0.687283 D 0.687283 C C
C -0.203110 -0.110402 NaN 0.017644 D 0.017644 A A
D -0.003450 0.687283 0.017644 NaN B 0.687283 A A
Last_value
. Как вы могли бы расширить это, чтобы получить второе по величине значение? Кроме того, replace(1, np.nan)
предполагает, что никакие две переменные не являются на 100% коррелированными (то есть предполагается, что нет недиагональных 1 с).
Ваши условия трудно обобщить в одну команду, но вот один из подходов, который вы можете использовать.
import numpy as np
np.fill_diagonal(corr.values, np.nan)
print(corr)
# A B C D E
#A NaN 0.65 0.31 0.94 0.55
#B 0.87 NaN 0.96 0.67 0.41
#C 0.95 0.88 NaN 0.72 0.69
#D 0.64 0.84 0.99 NaN 0.78
#E 0.71 0.62 0.89 0.32 NaN
Вы можете использовать ответ на Найти имена топ-n столбцов с наивысшими значениями в каждой строке кадра данных pandas, чтобы получить верхнее и нижнее одно значение для каждой строки (Stock).
order_top2 = np.argsort(-corr.values, axis=1)[:, :2]
order_bottom = np.argsort(corr.values, axis=1)[:, :1]
result_top2 = pd.DataFrame(
corr.columns[order_top2],
columns=['1st', '2nd'],
index=corr.index
)
result_bottom = pd.DataFrame(
corr.columns[order_bottom],
columns=['Last'],
index=corr.index
)
result = result_top2.join(result_bottom)
# 1st 2nd Last
#A D B C
#B C A E
#C A B E
#D C B A
#E C A D
Теперь используйте pandas.DataFrame.lookup
чтобы получить соответствующее значение столбца в corr
для каждого столбца в result
for x in result.columns:
result[x+"_Val"] = corr.lookup(corr.index, result[x])
print(result)
# 1st 2nd Last 1st_Val 2nd_Val Last_Val
#A D B C 0.94 0.65 0.31
#B C A E 0.96 0.87 0.41
#C A B E 0.95 0.88 0.69
#D C B A 0.99 0.84 0.64
#E C A D 0.89 0.71 0.32
print(result[['1st', '1st_Val', '2nd', '2nd_Val', 'Last', 'Last_Val']])
# 1st 1st_Val 2nd 2nd_Val Last Last_Val
#A D 0.94 B 0.65 C 0.31
#B C 0.96 A 0.87 E 0.41
#C A 0.95 B 0.88 E 0.69
#D C 0.99 B 0.84 A 0.64
#E C 0.89 A 0.71 D 0.32
Если вам нужно визуализировать результаты, но вам на самом деле не нужно извлекать и работать с фактическими значениями корреляции, то почему бы не использовать очень простую тепловую карту? Вы также можете поиграть с сюжетом, чтобы цифры отображались на каждом квадрате.
import seaborn as sns
import pandas as pd
dict = {'Date':['2018-01-01','2018-01-02','2018-01-03','2018-01-04','2018-01-05'],'Col1':[1,2,3,4,5],'Col2':[1.1,1.2,1.3,1.4,1.5],'Col3':[0.33,0.98,1.54,0.01,0.99],'Col4':[8,9.98,6,0.01,0.1],'Col1':[19,42,3,0.4,51]}
df = pd.DataFrame(dict, columns=dict.keys())
sns.heatmap(df.corr())