여러 시계열 간의 관계 탐색

Python으로 시계열 데이터 시각화

Thomas Vincent

Head of Data Science, Getty Images

두 변수 간의 상관관계

통계학에서 상관 계수는 두 변수 간의 관계 강도를 측정하는 지표입니다:
- 피어슨 계수: 선형 관계로 가정되는 변수 간의 상관 계수 계산에 사용
- 켄달 타우 또는 스피어만 순위: 비선형 관계로 가정되는 변수 간의 상관 계수 계산에 사용

상관관계 계산

from scipy.stats.stats import pearsonr
from scipy.stats.stats import spearmanr
from scipy.stats.stats import kendalltau
x = [1, 2, 4, 7]
y = [1, 3, 4, 8]
pearsonr(x, y)

SpearmanrResult(correlation=0.9843, pvalue=0.01569)

spearmanr(x, y)

SpearmanrResult(correlation=1.0, pvalue=0.0)

kendalltau(x, y)

KendalltauResult(correlation=1.0, pvalue=0.0415)

상관 행렬이란?

세 개 이상의 변수 간 상관 계수를 계산하면 상관 행렬을 얻습니다
- 범위: [-1, 1]
- 0: 관계 없음
- 1: 강한 양의 관계
- -1: 강한 음의 관계

상관 행렬이란?

상관 행렬은 항상 "대칭" 형태입니다
대각선 값은 항상 1입니다

   x     y     z
x  1.00 -0.46  0.49
y -0.46  1.00 -0.61
z  0.49 -0.61  1.00

Pandas로 상관 행렬 계산하기

corr_p = meat[['beef', 'veal','turkey']].corr(method='pearson')
print(corr_p)

          beef     veal     turkey
beef      1.000   -0.829    0.738
veal     -0.829    1.000   -0.768
turkey    0.738   -0.768    1.000

corr_s = meat[['beef', 'veal','turkey']].corr(method='spearman')
print(corr_s)

          beef     veal     turkey
beef      1.000   -0.812    0.778
veal     -0.812    1.000   -0.829
turkey    0.778   -0.829    1.000

Pandas로 상관 행렬 계산하기

corr_mat = meat.corr(method='pearson')

히트맵

import seaborn as sns

sns.heatmap(corr_mat)

히트맵

상관 행렬의 히트맵

클러스터맵

sns.clustermap(corr_mat)

상관 행렬의 클러스터맵

연습해 봅시다!

Python으로 시계열 데이터 시각화