Знайдіть зв'язки між кількома часовими рядами

Візуалізація часових рядів у Python

Thomas Vincent

Head of Data Science, Getty Images

Кореляції між двома змінними

У статистиці коефіцієнт кореляції вимірює силу або відсутність зв'язку між двома змінними:
- Коефіцієнт Пірсона застосовують, коли вважають, що зв'язок лінійний
- Kendall Tau або Spearman rank — коли зв'язок вважають нелінійним

Обчислення кореляцій

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)

Що таке кореляційна матриця?

Якщо обчиснити коефіцієнт кореляції для більш ніж двох змінних, отримаєте кореляційну матрицю
- Діапазон: [-1, 1]
- 0: немає зв'язку
- 1: сильний позитивний зв'язок
- -1: сильний негативний зв'язок

Що таке кореляційна матриця?

Кореляційна матриця завжди «симетрична»
Діагональні значення завжди дорівнюють 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

Обчислення кореляційних матриць у 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

Обчислення кореляційних матриць у Pandas

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

Теплова мапа

import seaborn as sns

sns.heatmap(corr_mat)

Теплова мапа

Теплова мапа кореляційної матриці

Кластерна мапа

sns.clustermap(corr_mat)

Кластерна мапа кореляційної матриці

Давайте потренуємось!

Візуалізація часових рядів у Python