Pandas 计算相关性系数corr()
相关：数据之间有关联，相互有影响
相关性系数：衡量相关性强弱的
构造如下数据
pandas相关系数-DataFrame.corr()参数
参数说明
Pandas 计算相关性系数corr() 相关：数据之间有关联，相互有影响如：A和B 存在一定的相关性，A对B存在一定程度的影响，A变化，B也会有一定的变化
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 0 表示负相关；大于 0 表示正相关。
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’, ‘kendall’, ‘spearman’}
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知道(ezd.cc)。
