Кореляції

Аналіз опитувальних даних у Python

EbunOluwa Andrew

Data Scientist

Кореляції в аналізі опитувань

Взаємозвʼязок змінних величин
- Зміна однієї змінної супроводжується зміною іншої
Вимірює лінійний звʼязок між двома пунктами опитування
Кореляція — це НЕ причинність
- Може впливати третя змінна
- Неможливо встановити, яка змінна спричиняє зміни іншої

Кореляція — не причинність. Напис

Сила та напрям кореляції

Коефіцієнти кореляції → «r»
Від -1,0 до 1,0
- -1 або 1 = ідеальний звʼязок
- 0 = відсутній суттєвий звʼязок
- Менше 0 = відʼємний звʼязок
- Більше 0 = додатний звʼязок
За невеликих вибірок для значущості потрібні сильні кореляції

Кореляція між пазлами

Функція .corr()

.corr()
_first column_.corr(_second column_)

Типи кореляцій

.corr(): приклад healthy_city

| City       | Rank | Life expectancy_years | Happiness levels |
|------------|------|-----------------------|------------------|
| Amsterdam  |    1 |                  81.2 |             7.44 |
| Sydney     |    2 |                  82.1 |             7.22 |
| Vienna     |    3 |                    81 |             7.29 |
| Stockholm  |    4 |                  81.8 |             7.35 |
| Copenhagen |    5 |                  79.8 |             7.64 |
| Helsinki   |    6 |                  80.4 |              7.8 |
| Fukuoka    |    7 |                  83.2 |             5.87 |
| Berlin     |    8 |                  80.6 |             7.07 |
| Barcelona  |    9 |                  82.2 |              6.4 |

.corr(): приклад healthy_city

import matplotlib.pyplot as plt
plt.scatter(healthy_city['Life expectancy_years'],
            healthy_city['Happiness levels'])

Точкова діаграма happy_survey

.corr(): приклад healthy_city

happy_survey['Happiness levels'].corr(
  happy_survey['Life expectancy_years'])

0.7245870841569987

Давайте потренуємось!

Аналіз опитувальних даних у Python