如何用Pandas绘制变量间相关性随时间变化的折线图？

1. 数据预处理：清理与整合 #

首先需要对每个时间点的相关性数据进行清洗，去除自相关（系数为1.00）和重复的变量对（如x&y与y&x视为同一对），并将三个时间点的数据整合成统一格式，方便后续绘图。

预处理代码 #

import pandas as pd

def process_cor_df(df, day):
    # 过滤掉自相关行
    filtered = df[df['cor'] != 1.00].reset_index()
    # 提取变量对并统一命名：去掉时间后缀，排序后用&连接（消除x&y和y&x的重复）
    filtered['pair'] = filtered['Index'].apply(
        lambda x: '&'.join(sorted([var[:-2] for var in x.split(', ')])
    ))
    # 保留每个变量对的唯一记录
    unique_pairs = filtered.drop_duplicates(subset='pair')
    # 添加时间标识列
    unique_pairs['day'] = day
    return unique_pairs[['day', 'pair', 'cor']]

# 处理三个时间点的数据
processed_30 = process_cor_df(day30_df, 30)
processed_60 = process_cor_df(day60_df, 60)
processed_120 = process_cor_df(day120_df, 120)

# 合并为总数据集
combined_df = pd.concat([processed_30, processed_60, processed_120], ignore_index=True)

2. 绘制折线图 #

使用seaborn和matplotlib绘制折线图，每个变量对对应一条折线，直观展示相关性随时间的变化趋势。

绘图代码 #

import matplotlib.pyplot as plt
import seaborn as sns

# 设置绘图风格
sns.set_style("whitegrid")

# 创建画布
plt.figure(figsize=(10, 6))

# 绘制分组折线图，每个变量对一条线，带标记点
sns.lineplot(
    data=combined_df,
    x='day',
    y='cor',
    hue='pair',
    marker='o',
    linewidth=2,
    palette='Set2'
)

# 设置图表元素
plt.title('变量对相关性随时间变化趋势', fontsize=14)
plt.xlabel('时间（天）', fontsize=12)
plt.ylabel('相关系数', fontsize=12)
plt.xticks([30, 60, 120])  # 固定X轴刻度为目标时间点
plt.legend(title='变量对', bbox_to_anchor=(1.05, 1), loc='upper left')

# 调整布局避免图例截断
plt.tight_layout()

# 显示图表
plt.show()

效果说明 #

运行上述代码后，你会得到一幅折线图：

• X轴为30、60、120天三个时间点
• Y轴为对应变量对的相关系数
• 每条折线对应一个变量对（x&y、x&z、y&z），清晰呈现各变量对相关性随时间的变化规律

内容的提问来源于stack exchange，提问作者Rafael Nakamura