ค้นหาความสัมพันธ์ระหว่าง Time Series หลายชุด

การแสดงภาพข้อมูล Time Series ด้วย Python

Thomas Vincent

Head of Data Science, Getty Images

สหสัมพันธ์ระหว่างตัวแปรสองตัว

ในสถิติ ค่าสัมประสิทธิ์สหสัมพันธ์ใช้วัดความแข็งแกร่งหรือความไม่มีความสัมพันธ์ระหว่างตัวแปรสองตัว:
- Pearson's coefficient ใช้คำนวณค่าสัมประสิทธิ์สหสัมพันธ์สำหรับตัวแปรที่คาดว่ามีความสัมพันธ์เชิงเส้น
- Kendall Tau หรือ Spearman rank ใช้คำนวณค่าสัมประสิทธิ์สหสัมพันธ์สำหรับตัวแปรที่คาดว่ามีความสัมพันธ์แบบไม่เชิงเส้น

คำนวณสหสัมพันธ์

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)

เมทริกซ์สหสัมพันธ์คืออะไร?

เมื่อคำนวณค่าสัมประสิทธิ์สหสัมพันธ์ระหว่างตัวแปรมากกว่าสองตัว จะได้เมทริกซ์สหสัมพันธ์
- ช่วงค่า: [-1, 1]
- 0: ไม่มีความสัมพันธ์
- 1: ความสัมพันธ์เชิงบวกสูง
- -1: ความสัมพันธ์เชิงลบสูง

เมทริกซ์สหสัมพันธ์คืออะไร?

เมทริกซ์สหสัมพันธ์มีลักษณะ "สมมาตร" เสมอ
ค่าบนแนวทแยงมุมหลักจะเท่ากับ 1 เสมอ

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

คำนวณเมทริกซ์สหสัมพันธ์ด้วย 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

คำนวณเมทริกซ์สหสัมพันธ์ด้วย Pandas

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

Heatmap

import seaborn as sns

sns.heatmap(corr_mat)

Heatmap

Heatmap ของเมทริกซ์สหสัมพันธ์

Clustermap

sns.clustermap(corr_mat)

Clustermap ของเมทริกซ์สหสัมพันธ์

มาฝึกกันเถอะ!

การแสดงภาพข้อมูล Time Series ด้วย Python