python的corr函數（python的corr函數的應用）

本文目錄一覽：

• 1、python計算多個數組的相關性
• 2、python相關性分析如何生成兩個相關性最強的兩門？
• 3、python數據分析模塊：numpy、pandas全解

python計算多個數組的相關性

線性相關：主要採用皮爾遜相關係數來度量連續變量之間的線性相關強度；

線性相關係數|r| 相關程度

0=|r|0.3 低度相關

0.3=|r|0.8 中度相關

0.8=|r|1 高度相關

1 函數

相關分析函數：

DataFrame.corr()

Series.corr(other)

說明：

如果由數據框調用corr方法，那麼將會計算每個列兩兩之間的相似度

如果由序列調用corr方法，那麼只是計算該序列與傳入序列之間的相關度

返回值：

dataFrame調用：返回DataFrame

Series調用： 返回一個數值型，大小為相關度

2 案例

import pandas

data=pandas.read_csv(‘C:\\Users\\Desktop\\test.csv’)

print(data.corr())

#由數據框調用corr方法,將會計算每個列兩兩之間的相似度，返回的是一個矩形

print(data[‘人口’].corr(data[‘文盲率’]))

#由某一列調用corr方法，只是計算該序列與傳入序列（本例中的’文盲率’）之間的相關度

print(data[‘超市購物率’,’網上購物率’,’文盲率’,’人口’]).corr()

python相關性分析如何生成兩個相關性最強的兩門？

方法/步驟

第一步我們首先需要知道相關性主要有兩個方向，一個是正方向一個是負方向，相關性係數是衡量兩個變量之間影響程度，如下圖所示：

請點擊輸入圖片描述

第二步下面通過公式計算兩個變量之間相關性係數，代碼如下：

import numpy

import pandas

X = [52,19,7,33,2]

Y = [162,61,22,100,6]

#公式計算#均值XMean = numpy.mean(X)

YMean = numpy.mean(Y)

#標準差XSD = numpy.std(X)

YSD = numpy.std(Y)

#z分數ZX = (X-XMean)/XSD

ZY = (Y-YMean)/YSD#相關係數

r = numpy.sum(ZX*ZY)/(len(X))

print(r)

請點擊輸入圖片描述

第三步運行程序，可以得到相關性係數r ，r的值是0.999674032661831，相關性非常高，如下圖所示：

請點擊輸入圖片描述

第四步我們也可以通過numpy的corrcoef方法計算相關性係數，輸入代碼

t=numpy.corrcoef(X,Y)

print(t)

可以看到X與Y和Y與X的相關性係數，如下圖所示：

請點擊輸入圖片描述

請點擊輸入圖片描述

第五步我們也可以通過pandas的corr方法計算相關性係數，代碼

data = pandas.DataFrame({‘X’:X,’Y’:Y})

t2=data.corr()

print(t2)

得到了相同的結果，如下圖所示：

請點擊輸入圖片描述

請點擊輸入圖片描述

python數據分析模塊：numpy、pandas全解

一維數組情況：

二維數組情況：

3參數情況：

2參數情況：

1參數情況：

一維情況：

二維情況：

一維情況：

二維情況：

一維情況：

二維情況：第三個參數指定維度

只查看行數、或者列數

逗號隔開兩個索引

某些行

某些列

可以看出append()函數在二維數組中添加元素，結果轉為了一維數組。

那怎麼保持二維數組呢？可以設置axis參數按行或者按列添加

可以看出先把二維數組降成了一維數組，再在索引為1的位置添加元素。

那麼怎麼保持在二維添加元素呢？ 同樣設置axis參數

也分按行和按列刪除

標記缺失值： isnan()函數

補充缺失值：

同樣axis參數可以指定拼接按行還是按列

2. hstack()函數：以水平堆疊的方式拼接數組

3. vstack()函數：以垂直堆疊的方式拼接數組

第二個參數還可以是數組，指定拆分的位置

hsplit()函數：橫向拆成幾個數組

vsplit()函數：縱向拆成幾個數組

數組與數組之間的運算

數組與數值的運算

可以指定整個數組求和，還是按行或者按列

axis=0：每一列的元素求和

axis=1：每一行的元素求和

axis=0：每一列求均值

axis=1：每一行求均值

axis=0：每一列求最大值

axis=1：每一行求最大值

pandas有兩個重要的數據結構對象：Series和DataFrame。

Series是創建一個一維數組對象，會自動生成行標籤。

會自動生成行列標籤

也可以用字典形式生成數據

在用字典生成數據的基礎上，同時指定行標籤

例如對下表的數據進行讀取

4月是第四個表，我們應把sheet_name參數指定為3；因為索引是從0開始的。

可以看出read_excel()函數自動創建了一個DataFrame對象，同時自動把第一行數據當做列標籤。

可以看出不給出header參數時，該參數默認為0。

header=1時結果如下：

header=None時結果如下：

index_col=0時，第0列為列標籤

index_col=0時

usecols=[2]：指定第二列

指定多列

數據如下：

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-j1SHxY8y-1637655972909)(C:Users14051AppDataRoamingTypora ypora-user-imagesimage-20211114192949607.png)]

nrows=3時

head()函數中參數為空默認前5行

指定head(3)時如下

numpy模塊也是shape

查看特定列的書庫類型

特定列數據類型轉換

先查看一下所有數據

與單行相比，結果顯示的格式不一樣了

iloc()挑選：

或者給出區間

挑選數據要麼標籤，要麼索引挑選

或者

或者寫成區間

標籤挑選

或者索引挑選

先查看一下數據

或者用字典一對一修改

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-a6QKIoie-1637655972912)(C:Users14051AppDataRoamingTypora ypora-user-imagesimage-20211123110431201.png)]

isin()函數查看錶中是否有該值

查看特定列是否有該值

可以看出上述代碼並沒有替換，那怎麼替換呢？

末尾插入一列

指定插入到哪列

axis參數可以指定刪除行還是刪除列

指定標籤刪除

指定索引刪除

方法三

指定行標籤刪除

指定索引刪除

方法三：

先查看所有數據

info()函數查看數據類型，還可以查看是否有缺失值

isnull()函數查看是否有缺失值

在numpy模塊中用isnan()函數

刪除有缺失值的行

刪除整行都為缺失值的行： 需要指定how參數

不同列的缺失值設置不同的填充值

默認保留第一個重複值所在的行，刪除其他重複值所在的行

保留第一個重複值所在的行

保留最後一個重複值所在的行

是重複的就刪除

降序如下

參數指定first時，表示在數據有重複值時，越先出現的數據排名越靠前

獲取產品為單肩包的行數據

獲取數量60的行數據

獲取產品為單肩包 且 數量60 的行數據

獲取產品為單肩包 或 數量60 的行數據

stack()函數轉換成樹形結構

how參數指定外連接

on參數指定按哪一列合併

concat()函數採用 全連接 的方式，沒有的數設置為缺失值

重置行標籤

效果與concat()一樣

末尾添加行元素

指定列求和

指定列求均值

指定列求最值

獲取單列的

corr()函數獲取相關係數

獲取指定列與其他列的相關係數

[外鏈圖片轉存失敗,源站可能有防盜鏈機制,建議將圖片保存下來直接上傳(img-46g9qgQw-1637655972913)(C:Users14051AppDataRoamingTypora ypora-user-imagesimage-20211123135643804.png)]

groupby()函數返回的是一個DataFrameBy對象，該對象包含分組後的數據，但是不能直觀地顯示出來。

分組後獲取指定列的匯總情況

獲取多列的匯總情況

獲取多列的情況

ta = pd.read_excel(‘相關性分析.xlsx’)

print(data)

corr()函數獲取相關係數

獲取指定列與其他列的相關係數

[外鏈圖片轉存中…(img-46g9qgQw-1637655972913)]

groupby()函數返回的是一個DataFrameBy對象，該對象包含分組後的數據，但是不能直觀地顯示出來。

分組後獲取指定列的匯總情況

獲取多列的匯總情況

獲取多列的情況