Hledání vztahů mezi více časovými řadami

Vizualizace dat časových řad v Pythonu

Thomas Vincent

Head of Data Science, Getty Images

Korelace mezi dvěma proměnnými

V statistice je korelační koeficient mírou síly vztahu mezi dvěma proměnnými:
- Pearsonův koeficient se používá pro proměnné s předpokládaným lineárním vztahem
- Kendallovo tau nebo Spearmanova pořadová korelace se používají pro nelineární vztahy

Výpočet korelací

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)

Co je korelační matice?

Korelace více než dvou proměnných tvoří korelační matici:
- Rozsah: [-1, 1]
- 0: žádný vztah
- 1: silný pozitivní vztah
- -1: silný negativní vztah

Co je korelační matice?

Korelační matice je vždy „symetrická"
Hodnoty na diagonále jsou vždy rovny 1

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

Výpočet korelačních matic v Pandas

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

Výpočet korelačních matic v Pandas

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

Heatmapa

import seaborn as sns

sns.heatmap(corr_mat)

Heatmapa

Heatmapa korelační matice

Clustermap

sns.clustermap(corr_mat)

Clustermap korelační matice

Pojďme si procvičit!

Vizualizace dat časových řad v Pythonu