Python中的相关分析correlation analysis的实现

2019-11-25 11:48:57

字体：大中小

来源：转载

供稿：网友

相关分析（correlation analysis）

研究两个或两个以上随机变量之间相互依存关系的方向和密切程度的方法。
线性相关关系主要采用皮尔逊（Pearson）相关系数r来度量连续变量之间线性相关强度；
r>0,线性正相关；r<0,线性负相关；
r=0,两个变量之间不存在线性关系，并不代表两个变量之间不存在任何关系。

相关分析函数
DataFrame.corr()
Series.corr(other)

函数说明：
如果由数据框调用corr函数，那么将会计算每个列两两之间的相似度
如果由序列调用corr方法，那么只是该序列与传入的序列之间的相关度

返回值：
DataFrame调用；返回DataFrame

Series调用：返回一个数值型，大小为相关度

import numpyimport pandas data = pandas.read_csv(  'C:/Users/ZL/Desktop/Python/5.4/data.csv') bins = [  min(data.年龄)-1, 20, 30, 40, max(data.年龄)+1]labels = [  '20岁以及以下', '21岁到30岁', '31岁到40岁', '41岁以上'] data['年龄分层'] = pandas.cut(  data.年龄,   bins,   labels=labels) ptResult = data.pivot_table(  values=['年龄'],   index=['年龄分层'],   columns=['性别'],   aggfunc=[numpy.size] File "<ipython-input-1-ae921a24967f>", line 25  aggfunc=[numpy.size]            ^SyntaxError: unexpected EOF while parsing  import numpyimport pandas data = pandas.read_csv(  'C:/Users/ZL/Desktop/Python/5.4/data.csv') bins = [  min(data.年龄)-1, 20, 30, 40, max(data.年龄)+1]labels = [  '20岁以及以下', '21岁到30岁', '31岁到40岁', '41岁以上'] data['年龄分层'] = pandas.cut(  data.年龄,   bins,   labels=labels) ptResult = data.pivot_table(  values=['年龄'],   index=['年龄分层'],   columns=['性别'],   aggfunc=[numpy.size]) ptResultOut[4]:      size          年龄    性别     女   男年龄分层        20岁以及以下  111  195021岁到30岁 2903 4395531岁到40岁  735  799441岁以上   567  886

以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持武林网。

上一篇：django自带调试服务器的使用详解

下一篇：python中单下划线(_)和双下划线（__）的特殊用法