Pandas - 数据相关性

寻找关系

Pandas 模块的一个很棒的功能是 corr() 方法。

corr() 方法计算数据集每个列之间的关系。

此页面中的示例使用名为“data.csv”的 CSV 文件。

下载 data.csv 或 打开 data.csv

            Duration     Pulse  Maxpulse  Calories
  Duration  1.000000 -0.155408  0.009403  0.922721
  Pulse    -0.155408  1.000000  0.786535  0.025120
  Maxpulse  0.009403  0.786535  1.000000  0.203814
  Calories  0.922721  0.025120  0.203814  1.000000

结果解释

corr() 方法的结果是一个包含许多数字的表格，这些数字表示两列之间的关系强度。

数字范围从 -1 到 1。

1 表示存在 1 对 1 的关系（完美的相关性），对于此数据集，每当第一列的值增加时，另一列的值也会增加。

0.9 也是一个良好的关系，如果您增加一个值，另一个值也可能会增加。

-0.9 与 0.9 一样是一个良好的关系，但是如果您增加一个值，另一个值可能会下降。

0.2 表示关系不好，这意味着如果一个值增加并不意味着另一个值也会增加。

完美相关性

我们可以看到“Duration”和“Duration”得到了 1.000000 的数值，这是有道理的，因为每一列与其自身总是存在完美的关系。

良好相关性

“Duration”和“Calories”的相关性为 0.922721，这是一个非常好的相关性，我们可以预测锻炼时间越长，消耗的卡路里越多，反之亦然：如果您消耗了大量的卡路里，您可能进行了长时间的锻炼。

不良相关性

“Duration”和“Maxpulse”的相关性为 0.009403，这是一个非常差的相关性，这意味着我们无法仅通过查看锻炼时间来预测最大脉搏，反之亦然。