pycorr

Pycorr

Una biblioteca simple para calcular la correlación entre variables. Actualmente proporciona correlación entre las variables nominales.

Basado en una metodología estadística como Cramer'V y Tschuprow't, permite medir la correlación entre las variables categóricas. También se proporciona la capacidad de trazar la correlación en forma de mapa de calor.

Ejemplo de uso

 import pandas as pd
from pycorrcat.pycorrcat import plot_corr, corr_matrix

df = pd.DataFrame([('a', 'b'), ('a', 'd'), ('c', 'b'), ('e', 'd')],
                  columns=['dogs', 'cats'])

correlation_matrix = corr_matrix(data, ['dogs', 'cats'])
plot_corr(df, ['dogs','cats'] )

Configuración de desarrollo

Cree un VirtualEnv e Instale Dependencias:

• pip install -r requirements.dev.txt
• pip install -r requirements.txt Luego instale los ganchos previos al compromiso: pre-commit install y continúe con el cambio de código.

Ejecute pre-commit localmente para verificar los archivos

pre-commit run --all-files

Historia de lanzamiento

• 0.1.4
  • Cambio: cambió la documentación (sin cambio de código)
• 0.1.3
  • Agregar: capacidad de pasar DataFrame para obtener la matriz de correlación
  • Agregar: capacidad de trazar la correlación en forma de mapa de calor
• 0.1.2
  • Agregado como primera versión
• 0.1.1
  • Lanzamiento de la prueba

Autor y contribuyente

Anurag Kumar Mishra: conéctese en Github o deje caer un correo

Distribuido bajo la licencia GNU. Vea LICENSE para más información.

Enlace de repo de Github https://github.com/mavericksds/pycorr

Que contribuye

1. Bifurca (https://github.com/mavericksds/pycorr)
2. Cree su rama de características ( git checkout -b feature/fooBar )
3. Comprometer sus cambios ( git commit -am 'Add some fooBar' )
4. Empuje a la rama ( git push origin feature/fooBar )
5. Crear una nueva solicitud de extracción