数据特征分析：相关性分析（Pandas中的corr方法） - CSDN文库

69 浏览量更新于2023-03-16 5 收藏 133KB PDF 举报

身份认证购VIP最低享 7 折!

领优惠券(最高得80元）

资源详情

资源推荐

数据特征分析：相关性分析（数据特征分析：相关性分析（Pandas中的中的corr方法）方法）

文章目录文章目录1.图示初判两个变量之间的相关性（散点图）多变量之间的相关性（散点图矩阵）2.Pearson相关系数3.Spearman相

关系数

分析连续变量之间的线性相关程度的强弱

介绍如下几种方法：

图示初判

Pearson相关系数（皮尔逊相关系数）

Sperman秩相关系数（斯皮尔曼相关系数）

1.图示初判图示初判

拿到一组数据，可以先绘制散点图查看各数据之间的相关性：

两个变量之间的相关性（散点图）两个变量之间的相关性（散点图）

import numpy as np

import pandas as pd

import matplotlib.pyplot as plt

from scipy import stats

%matplotlib inline

# 图示初判

# （1）变量之间的线性相关性

data1 = pd.Series(np.random.rand(50)*100).sort_values()

data2 = pd.Series(np.random.rand(50)*50).sort_values()

data3 = pd.Series(np.random.rand(50)*500).sort_values(ascending = False)

# 创建三个数据：data1为0-100的随机数并从小到大排列，data2为0-50的随机数并从小到大排列，data3为0-500的随机数并

从大到小排列，

fig = plt.figure(figsize = (10,4))

ax1 = fig.add_subplot(1,2,1)

ax1.scatter(data1, data2)

plt.grid()

# 正线性相关

ax2 = fig.add_subplot(1,2,2)

ax2.scatter(data1, data3)

plt.grid()

# 负线性相关

多变量之间的相关性（散点图矩阵）多变量之间的相关性（散点图矩阵）

# 图示初判

# （2）散点图矩阵初判多变量间关系

data = pd.DataFrame(np.random.randn(200,4)*100, columns = ['A','B','C','D'])

pd.plotting.scatter_matrix(data,figsize=(8,8),#注意Pandas中的用法与之前不同

c = 'k',

marker = '+',

diagonal='hist',

alpha = 0.8,

range_padding=0.1)

本内容试读结束，登录后可阅读更多

下载后可阅读完整内容，剩余2页未读，立即下载

weixin_38639237

粉丝: 3
资源: 958

会员权益专享

图片转文字

全年可省5，000元立即开通

最新资源

资源上传下载、课程学习等过程中有任何疑问或建议，欢迎提出宝贵意见哦~我们会及时处理！点击此处反馈