Python中的相关分析correlation analysis
来源:互联网 发布:淘宝三无产品如何投诉 编辑:程序博客网 时间:2024/06/05 07:09
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 pandasdata = 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 parsingimport numpyimport pandasdata = 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
阅读全文
1 0
- Python中的相关分析correlation analysis
- 典型相关分析(Canonical Correlation Analysis)
- 典型相关分析(Canonical Correlation Analysis)
- 典型相关分析(Canonical Correlation Analysis, CCA)
- Canonical Correlation Analysis 典型相关分析
- Canonical Correlation Analysis(CCA) 典型相关分析
- 机器学习: Canonical Correlation Analysis 典型相关分析
- 17.5.2 经典相关分析(Canonical Correlation Analysis, CCA)
- Jordan Lecture Note-11: 典型相关分析(Canonical Correlation Analysis, CCA).
- Jordan Lecture Note-12: Kernel典型相关分析(Kernel Canonical Correlation Analysis, KCCA).
- 典型关联分析(Canonical Correlation Analysis)
- 典型关联分析(Canonical Correlation Analysis)
- 典型关联分析(Canonical Correlation Analysis)
- 典型关联分析(Canonical Correlation Analysis)
- 典型关联分析(Canonical Correlation Analysis)
- 典型关联分析(Canonical Correlation Analysis)
- Canonical Correlation Analysis(典型关联分析)
- 典型关联分析CCA(canonical correlation analysis)
- Volley的Request的添加、移除和取消
- 矩阵的特征值和特征向量的雅克比算法C/C++实现
- JQuery随记
- SSL--用Tomcat服务器配置https双向认证过程实战
- Java 8 :: 方法引用操作符的介绍
- Python中的相关分析correlation analysis
- JS02-简介
- 排序-归并排序
- Pyhon3之部分内置函数使用
- poj 3233(等比矩阵的性质)
- MS常见问题
- java-继承
- FTPrep, 14 Longest Common Prefix
- TP3.2的删除缓存与引入第三方库的问题(二)