複数の時系列間の関係を見つける

Pythonで学ぶ時系列データの可視化

Thomas Vincent

Head of Data Science, Getty Images

2変数間の相関

統計学において、相関係数は2変数間の関係の強さを示す指標です：
- 関係が線形と考えられる変数には、ピアソンの係数を使用します
- 関係が非線形と考えられる変数には、ケンドールのタウまたはスピアマン順位相関を使用します

相関の計算

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)

相関行列とは？

3変数以上の相関係数を計算すると、相関行列が得られます
- 範囲：[-1, 1]
- 0：関係なし
- 1：強い正の関係
- -1：強い負の関係

相関行列とは？

相関行列は常に「対称」です
対角要素の値は常に1になります

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

Pandasによる相関行列の計算

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

Pandasによる相関行列の計算

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

ヒートマップ

import seaborn as sns

sns.heatmap(corr_mat)

ヒートマップ

相関行列のヒートマップ

クラスターマップ

sns.clustermap(corr_mat)

相関行列のクラスターマップ

練習しましょう！

Pythonで学ぶ時系列データの可視化