Pandas 计算相关性系数corr()方式

目录

Pandas>

相关：数据之间有关联，相互有影响

如：A和B>

如果A和B相等 或者 B可以由A经过计算得到---->完全相关如果B是由 A和C计算得到 ---->并且 A可以计算出B的大部分 -----> A和B 强度相关如果B是由 A和C计算得到 ---->并且 A可以计算出B的小部分 -----> A和B 弱度相关如果 A和B 毫无关系 ----> 不相关

如果B和 A相关：

A的增大导致B的减小 —> 负相关A的增大导致B的增大 —> 正相关

相关性系数：衡量相关性强弱的

其范围是[-1,1]，绝对值越靠近0，表示不相关，绝对值越靠近1，表示相关性越强

小于>

构造如下数据

import pandas as pd

data = pd.DataFrame(
    data={
        'age': [2,7,10,16,20],
        'height': [70,90,143,166,178],
        'score': [98,37,103,76,53]
    }
)

使用corr()方法计算相关性系数：

# 计算相关性系数的列 必须都是数值型的数据！
corr = data.loc[:, ["age","height"]].corr()        # 会计算两两列之间的相关性系数
print("corr\n", corr)
"""
corr
            age   height
age     1.00000  0.96043
height  0.96043  1.00000
"""

自身与自身的相关性系数为 1

计算多列相关性系数：

corr = data.loc[:, ["age","height","score"]].corr()
print("corr\n", corr)
"""
corr
             age    height     score
age     1.000000  0.960430 -0.340053
height  0.960430  1.000000 -0.096782
score  -0.340053 -0.096782  1.000000
"""

pandas相关系数-DataFrame.corr()参数

DataFrame.corr(method='pearson', min_periods=1)

参数说明

method：可选值为{‘pearson’,>pearson：Pearson相关系数来衡量两个数据集合是否在一条线上面，即针对线性数据的相关系数计算，针对非线性数据便会有误差。kendall：用于反映分类变量相关性的指标，即针对无序序列的相关系数，非正太分布的数据spearman：非线性的，非正太分布的数据的相关系数min_periods：样本最少的数据量返回值：各类型之间的相关系数DataFrame表格。

为区分不同参数之间的区别，我们实验如下：

from pandas import DataFrame
import pandas as pd
x=[a for a in range(100)]
#构造一元二次方程，非线性关系
def y_x(x):
    return 2*x**2+4
y=[y_x(i) for i in x]
 
data=DataFrame({'x':x,'y':y})
 
#查看下data的数据结构
data.head()
Out[34]: 
   x   y
0  0   4
1  1   6
2  2  12
3  3  22
4  4  36
 
data.corr()
Out[35]: 
          x         y
x  1.000000  0.967736
y  0.967736  1.000000
 
data.corr(method='spearman')
Out[36]: 
     x    y
x  1.0  1.0
y  1.0  1.0
 
data.corr(method='kendall')
Out[37]: 
     x    y
x  1.0  1.0
y  1.0  1.0

因为y经由函数构造出来，x和y的相关系数为1，但从实验结构可知pearson系数，针对非线性数据有一定的误差。

需要说明，数据之间的相关关系，并不代表其之间的因果关系，相关系数为1，只能说明二者之间具备完全相关性，但不能说y是x的果。

以上为个人经验，希望能给大家一个参考，也希望大家多多支持易采站长站。