首页相关性分析代码python

相关性分析代码python

时间: 2024-11-22 22:27:12 浏览: 68

在Python中，相关性分析通常使用`pandas`库中的`corr()`函数来计算数据集或两个变量之间的关联程度，以及`matplotlib`或`seaborn`库来进行可视化。以下是一个简单的例子： ```python import pandas as pd import seaborn as sns import matplotlib.pyplot as plt # 假设我们有一个DataFrame df df = pd.DataFrame({ 'A': [1, 2, 3, 4, 5], 'B': [6, 7, 8, 9, 10], 'C': [11, 12, 13, 14, 15] }) # 计算所有列的相关系数 correlation_matrix = df.corr() # 热力图展示相关性矩阵 plt.figure(figsize=(10, 8)) sns.heatmap(correlation_matrix, annot=True, cmap='coolwarm') plt.title('Correlation Matrix') plt.show() # 或者只看特定两列的皮尔逊相关系数 pearson_corr = df['A'].corr(df['B']) print(f'The Pearson correlation between column A and B is {pearson_corr:.2f}') ``` 在这个例子中，`corr()`函数返回的是一个二维数组，对角线上的值都是1，表示每个变量与自身的完美正相关。非对角线上的值表示变量间的关联度，正值表示正相关，负值表示负相关。

阅读全文