Korelasyon

Python ile Keşifsel Veri Analizi

Izzy Weber

Curriculum Manager, DataCamp

Korelasyon

İki değişken arasındaki ilişkinin yönünü ve gücünü açıklar
Sayısal olmayan sütunlarda hata olmaması için numeric_only=True ayarlayın

divorce.corr(numeric_only=True)


                    income_man  income_woman  marriage_duration  num_kids  marriage_year 
 income_man         1.000       0.318         0.085              0.041     0.019         
 income_woman       0.318       1.000         0.079              -0.018    0.026         
 marriage_duration  0.085       0.079         1.000              0.447     -0.812        
 num_kids           0.041       -0.018        0.447              1.000     -0.461        
 marriage_year      0.019       0.026         -0.812             -0.461    1.000

Pearson korelasyon katsayısını hesaplar

Korelasyon ısı haritaları

sns.heatmap(divorce.corr(numeric_only=True), annot=True)
plt.show()

boşanma korelasyonlarının ısı haritası

Bağlamda korelasyon

divorce["divorce_date"].min()

Timestamp('2000-01-08 00:00:00')

divorce["divorce_date"].max()

Timestamp('2015-11-03 00:00:00')

İlişkileri görselleştirme

düşük doğrusal korelasyon katsayısıyla güçlü bir ilişki

Güçlü ilişki—ama doğrusal değil
Pearson korelasyon katsayısı: -6.48e-18

yüksek doğrusal korelasyon katsayılı kuadratik ilişki

Kuadratik ilişki; doğrusal değil
Pearson korelasyon katsayısı: .971211

Saçılım grafikleri

sns.scatterplot(data=divorce, x="income_man", y="income_woman")
plt.show()

boşanma anında erkek ve kadın gelirlerinin saçılım grafiği

Pairplot'lar

sns.pairplot(data=divorce)
plt.show()

divorce veri çerçevesindeki tüm sayısal sütunların pairplot'u

Pairplot'lar

sns.pairplot(data=divorce, vars=["income_man", "income_woman", "marriage_duration"])
plt.show()

eş gelirleri ve evlilik süresinin pairplot'u

Haydi pratik yapalım!

Python ile Keşifsel Veri Analizi