python相关性分析

Python中的相关性分析涉及到统计学中的相关系数，用于衡量两个变量之间的线性关系强度。在Python中，我们可以使用NumPy和Pandas库进行相关性分析。

1. 相关系数计算

使用NumPy库的corrcoef函数可以计算两个变量之间的相关系数。

示例代码：

import numpy as np

x = np.array([1, 2, 3, 4, 5])
y = np.array([2, 4, 6, 8, 10])

correlation_matrix = np.corrcoef(x, y)
correlation_xy = correlation_matrix[0,1]

print("Correlation coefficient between x and y:", correlation_xy)

输出：

Correlation coefficient between x and y: 1.0

2. 相关性矩阵

使用Pandas库的corr函数可以计算多个变量之间的相关系数，并返回相关性矩阵。

示例代码：

import pandas as pd

data = pd.DataFrame({'x': [1, 2, 3, 4, 5], 'y': [2, 4, 6, 8, 10], 'z': [5, 4, 3, 2, 1]})

correlation_matrix = data.corr()

print("Correlation matrix:")
print(correlation_matrix)

输出：

Correlation matrix:
          x         y         z
x  1.000000  1.000000 -1.000000
y  1.000000  1.000000 -1.000000
z -1.000000 -1.000000  1.000000

3. 相关性可视化

使用Seaborn库的heatmap函数可以将相关性矩阵可视化。

示例代码：

import seaborn as sns

sns.heatmap(correlation_matrix, annot=True)

输出：


上图中的每个格子代表两个变量之间的相关系数，颜色越浅表示相关性越强。