Python相关性分析

本文主要是介绍Python相关性分析，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

分析连续变量之间线性相关程度的强弱，并用适当的统计指标表示出来的过程称为相关分析。

可以直接绘制散点图，或者绘制散点图矩阵，或者计算相关系数来进行相关分析。

相关系数的计算如下所示：

示例数据：

计算百合酱蒸凤爪与其他几种菜品的相关系数代码如下：

import pandas as pd
catering_sale = r'D:\daily\data\catering_sale_all.xls' #餐饮数据，含有其他属性
data = pd.read_excel(catering_sale, index_col = u'日期') #读取数据，指定“日期”列为索引列
data.corr() #相关系数矩阵
data.corr()[u'百合酱蒸凤爪'] #“百合酱蒸凤爪”与其他菜式的相关系数
data[u'百合酱蒸凤爪'].corr(data[u'翡翠蒸香茜饺']) #计算“百合酱蒸凤爪”与“翡翠蒸香茜饺”的相关系数
# 0.009205803051836475

运行结果如下：

相关系数矩阵：

根据相关系数矩阵绘制热力图

运行代码：

import seaborn as sns
import matplotlib.pyplot as plt
# 生成相关系数矩阵
corr = data.corr()
# 绘制热力图
plt.figure(figsize=(10, 8))
sns.heatmap(corr, annot=True, cmap='coolwarm', fmt=".2f")
plt.title('Correlation Heatmap')
plt.show()

运行结果如下所示： 

这篇关于Python相关性分析的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！

---