Kết quả của phương pháp Show
Số thay đổi từ -1 đến 1 1 có nghĩa là có mối quan hệ 1-1 (mối tương quan hoàn hảo) và đối với tập dữ liệu này, mỗi khi một giá trị tăng lên trong cột đầu tiên, giá trị kia cũng tăng theo 0. 9 cũng là một mối quan hệ tốt và nếu bạn tăng một giá trị, thì giá trị kia cũng có thể tăng theo -0. 9 sẽ là mối quan hệ tốt như 0. 9, nhưng nếu bạn tăng một giá trị, giá trị kia có thể sẽ giảm xuống 0. 2 có nghĩa KHÔNG phải là mối quan hệ tốt, nghĩa là nếu một giá trị tăng lên không có nghĩa là giá trị kia sẽ Một mối tương quan tốt là gì? Tương quan hoàn hảoTa có thể thấy "Duration" và "Duration" có số là tương quan tốt"Thời lượng" và "Calo" có mối tương quan Tương quan xấu"Thời lượng" và "Maxpulse" có mối tương quan Hệ số tương quan Pearson, hay PCC, là phương pháp thống kê tiêu chuẩn để tính toán tương quan theo cặp hoặc biến đôi trong Pandas. Nó được sử dụng phổ biến trong thống kê đến mức nó thường được gọi đơn giản là “hệ số tương quan. ” Hệ số tương quan Pearson hoàn toàn giống với Pearson's r và hệ số tương quan thời điểm sản phẩm Pearson (PPMCC), nó chỉ có một số tên Cũng như các hệ số tương quan khác, tương quan Pearson được sử dụng để tính độ mạnh của mối tương quan tuyến tính giữa hai biến trong tập dữ liệu. Về cơ bản, đó là tỷ lệ giữa hiệp phương sai của các biến và tích của độ lệch chuẩn của chúng và đưa ra thước đo hiệp phương sai được chuẩn hóa trả về giá trị trong khoảng từ 1 đến -1. Giá trị 1 biểu thị mối quan hệ tuyến tính dương hoàn hảo, giá trị -1 biểu thị mối quan hệ tuyến tính âm hoàn hảo và giá trị 0 biểu thị không có mối quan hệ tuyến tính Bằng cách giải thích kết quả của hệ số tương quan Pearson, bạn có thể biết liệu một biến có liên quan đến sự thay đổi của biến kia hay không. Ví dụ: giá ô tô mới có thể tương quan thuận với tốc độ tối đa, vì hầu hết những chiếc ô tô mới rất đắt tiền đều là siêu xe hoặc siêu xe Trong hướng dẫn này, tôi sẽ giải thích mối tương quan Pearson và chỉ ra cách bạn có thể sử dụng nó để phát hiện mối tương quan giữa các biến trong tập dữ liệu của bạn bằng hàm Pandas Hệ số tương quan Pearson sử dụng Corr()Hệ số tương quan Pearson có thể được tính toán dễ dàng trong Pandas bằng cách sử dụng Do hệ số tương quan Pearson được sử dụng rộng rãi bởi các nhà thống kê và nhà khoa học dữ liệu nên hàm Hàm Giải thích hệ số tương quan của PearsonKhi sử dụng Giá trị sẽ là một số từ -1 đến 1, trong đó 1 là mối quan hệ tuyến tính dương hoàn hảo, 0 không phải là mối quan hệ tuyến tính và -1 là mối quan hệ tuyến tính âm hoàn hảo. Các tác giả khác nhau sử dụng các cách giải thích hơi khác nhau về các hệ số, nhưng nhìn chung chúng rất giống với những cách giải thích bên dưới Giá trị r của Pearson Độ mạnh của mối quan hệ0Không có mối quan hệ tuyến tính0. 1 đến 0. 3Mối quan hệ tuyến tính yếu0. 3 đến 0. 5Mối quan hệ tuyến tính vừa phải0. 5 đến 0. 7Mối quan hệ tuyến tính chặt chẽ0. 7 đến 1 Mối quan hệ tuyến tính rất mạnh-0. 1 đến -0. 3Mối quan hệ tuyến tính tiêu cực yếu-0. 3 đến -0. 5Mối quan hệ tuyến tính tiêu cực vừa phải-0. 5 đến -0. 7Mối quan hệ tuyến tính tiêu cực mạnh mẽ-0. 7 đến -1 Mối quan hệ tuyến tính tiêu cực rất mạnhTải các góiĐể bắt đầu, hãy mở sổ ghi chép Jupyter mới và nhập thư viện Pandas. Bạn chỉ cần điều này để tính toán các hệ số tương quan trong Pandas, nhưng để đề cập đến một số chủ đề nâng cao hơn, chúng tôi cũng sẽ nhập các gói trực quan hóa dữ liệu Matplotlib và Seaborn và gói phân tích thống kê Scipy Nhập tập dữ liệuSau đó, tạo tập dữ liệu giả có mối quan hệ tuyến tính giữa các biến hoặc nhập tập dữ liệu vào Pandas từ tệp CSV. Tôi đang sử dụng tập dữ liệu giá nhà vì tập dữ liệu này chứa một số biến tương quan 01234kinh độ-122. 23-122. 22-122. 24-122. 25-122. 25vĩ độ37. 8837. 8637. 8537. 8537. 85housing_median_age41. 021. 052. 052. 052. 0total_rooms880. 07099. 01467. 01274. 01627. 0total_bed129. 01106. 0190. 0235. 0280. 0dân số322. 02401. 0496. 0558. 0565. 0hộ126. 01138. 0177. 0219. 0259. 0trung_bình_thu_nhập8. 32528. 30147. 25745. 64313. 8462median_house_value452600. 0358500. 0352100. 0341300. 0342200. 0ocean_proximityGẦN VỊNH BAYGẦN VỊNH BAYN GẦN VỊNH BAY Tính tương quan Pearson cho một cặp cộtĐể tính tương quan Pearson cho một cặp cột, bạn có thể thêm phương thức Tính tương quan Pearson cho tất cả các cột trong khung dữ liệuĐể tính hệ số tương quan Pearson cho mọi cặp giá trị trong khung dữ liệu, bạn chỉ cần thêm phương thức longitudelatitudehousing_median_agetotal_roomstotal_bedroomspopulationhouseholdsmedian_incomemedian_house_valuelongitude1. 000000-0. 924664-0. 1081970. 0445680. 0696080. 0997730. 055310-0. 015176-0. 045967latitude-0. 9246641. 0000000. 011173-0. 036100-0. 066983-0. 108785-0. 071035-0. 079809-0. 144160housing_median_age-0. 1081970. 0111731. 000000-0. 361262-0. 320451-0. 296244-0. 302916-0. 1190340. 105623total_rooms0. 044568-0. 036100-0. 3612621. 0000000. 9303800. 8571260. 9184840. 1980500. 134153total_ bedrooms0. 069608-0. 066983-0. 3204510. 9303801. 0000000. 8777470. 979728-0. 0077230. 049686dân số0. 099773-0. 108785-0. 2962440. 8571260. 8777471. 0000000. 9072220. 004834-0. 024650hộ gia đình0. 055310-0. 071035-0. 3029160. 9184840. 9797280. 9072221. 0000000. 0130330. 065843median_ income-0. 015176-0. 079809-0. 1190340. 198050-0. 0077230. 0048340. 0130331. 0000000. 688075median_house_value-0. 045967-0. 1441600. 1056230. 1341530. 049686-0. 0246500. 0658430. 6880751. 000000 Trực quan hóa các hệ số tương quan với bản đồ nhiệtKhi kiểm tra tập dữ liệu, việc hình dung các mối tương quan bằng Seaborn hoặc thư viện trực quan hóa dữ liệu tương tự thường dễ dàng hơn. Trực quan hóa các mối tương quan thông qua bản đồ nhiệt là kỹ thuật ưa thích của tôi và được thực hiện dễ dàng bằng cách chỉ sử dụng hàm Seaborn và hàm Matplotlib để điều chỉnh kích thước hình  Trực quan hóa mối tương quan giữa các cặp cộtCó nhiều cách khác nhau để hình dung mối tương quan giữa các cặp biến. Một cách nhanh chóng để xem các mối tương quan của một cặp đơn lẻ là sử dụng hàm Seaborn Tính ý nghĩa thống kê của hệ số tương quanĐể xác định xem hệ số tương quan có ý nghĩa thống kê hay không, bạn có thể sử dụng phương pháp Giá trị p là xác suất hệ số tương quan không có ý nghĩa thống kê. Nếu giá trị p nhỏ hơn 0. 05 thì hệ số tương quan có ý nghĩa thống kê. Ta nhận được giá trị p rất thấp nên hệ số tương quan có ý nghĩa thống kê Ngược lại, nếu bạn sử dụng scipy để tính toán hệ số tương quan Pearson và giá trị p của các cột Làm cách nào để tính hệ số tương quan trong Python?Hệ số Tương quan Pearson có thể được tính bằng Python bằng cách sử dụng phương thức corrcoef() từ Numpy . Đầu vào cho chức năng này thường là một ma trận, giả sử có kích thước mxn , trong đó. Mỗi cột đại diện cho các giá trị của một biến ngẫu nhiên. Mỗi hàng đại diện cho một mẫu duy nhất của n biến ngẫu nhiên.
Corr() trong Python là gì?Phương thức corr() tìm mối tương quan của từng cột trong DataFrame
Phương pháp nào được sử dụng để tính toán mối tương quan trên tất cả các tính năng trong Khung dữ liệu Pandas?Ví dụ. Tính toán tương quan gấu trúc
. corr() để tính cả ba hệ số tương quan. |
