Corelație

Analiza exploratorie a datelor în Python

Izzy Weber

Curriculum Manager, DataCamp

Corelație

Descrie direcția și intensitatea relației dintre două variabile
Setați numeric_only=True pentru a evita erorile cu coloanele non-numerice

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

Calculează coeficientul de corelație Pearson

Hărți termice de corelație

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

O hartă termică a corelațiilor din setul de date divorce

Corelație în context

divorce["divorce_date"].min()

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

divorce["divorce_date"].max()

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

Vizualizarea relațiilor

O relație puternică cu un coeficient de corelație liniară scăzut

Relație puternică—dar nu liniară
Coeficient de corelație Pearson: -6.48e-18

O relație pătratică cu un coeficient de corelație liniară ridicat

Relație pătratică; nu liniară
Coeficient de corelație Pearson: .971211

Grafice de dispersie

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

Un grafic de dispersie al veniturilor bărbaților și femeilor la momentul divorțului

Pairplot-uri

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

Un pairplot al tuturor coloanelor numerice din dataframe-ul divorce

Pairplot-uri

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

Un pairplot al veniturilor partenerilor și duratei căsătoriei

Să exersăm!

Analiza exploratorie a datelor în Python