构造如下数据：

import pandas as pddata = pd.DataFrame(data={'age': [2,7,10,16,20],'height': [70,90,143,166,178],'score': [98,37,103,76,53]}
)

使用corr()方法计算相关性系数：

# 计算相关性系数的列 必须都是数值型的数据！
corr = data.loc[:, ["age","height"]].corr()        # 会计算两两列之间的相关性系数
print("corr\n", corr)
"""
corrage   height
age     1.00000  0.96043
height  0.96043  1.00000
"""

自身与自身的相关性系数为 1

计算多列相关性系数：

corr = data.loc[:, ["age","height","score"]].corr()
print("corr\n", corr)
"""
corrage    height     score
age     1.000000  0.960430 -0.340053
height  0.960430  1.000000 -0.096782
score  -0.340053 -0.096782  1.000000
"""

【Pandas】计算相关性系数corr()相关推荐

【天池基础知识】 - 查看特征变量的相关性（计算相关性系数+画出热力图+筛选特征变量+Box-Cox变换）
文章目录 1.计算相关性系数 2.画出热力图 3.筛选特征变量 4.Box-Cox变换 1.计算相关性系数使用函数corr() 代码展示: train_corr = train_data.corr( ...
R语言检验相关性系数的显著性:使用cor.test函数计算相关性系数的值和置信区间及其统计显著性（如果变量来自正态分布总体使用皮尔森方法pearson）
R语言检验相关性系数的显著性:使用cor.test函数计算相关性系数的值和置信区间及其统计显著性(如果变量来自正态分布总体使用皮尔森方法pearson) 目录
python计算相关性系数
在这里说的相关性系数指的是皮尔逊相关系数https://baike.baidu.com/item/%E7%9B%B8%E5%85%B3%E7%B3%BB%E6%95%B0/3109424?fr=ala ...
python 计算相关性系数np.corrcoef(）
计算相关性是分析连续型与连续型双变量的常用方法,散点图只能直观的显示双变量(特征)之间的关系,但并不能说明关系的强弱,而相关性可以对变量之间的关系进行量化分析. 相关性系数的公式如下: 相关性系数 ...
pandas计算皮尔逊相关系数
前置说明: 本文中使用的数据在文末提供下载,本文使用IH和IC主力合约的数据为例目录 1. 概念 2. 计算过程 1. 概念皮尔逊(pearson)相关系数:用于判断数据是否线性相关的方法皮尔逊 ...
pandas中使用rolling.corr函数计算两个时间序列数据列之间的滚动相关性（Rolling correlations）、例如，计算两种商品销售额之间的3个月的滚动相关性
pandas中使用rolling.corr函数计算两个时间序列数据列之间的滚动相关性(Rolling correlations).例如,计算两种商品销售额之间的3个月的滚动相关性目录
皮尔森相关性系数的计算python代码（四）（热力图版）
部分代码: import numpy import pandas as pd import numpy as np from matplotlib.font_manager import FontPr ...
皮尔森相关性系数的计算python代码（三）
部分代码 import os import pandas as pd import numpy as np from scipy.stats import pearsonrdef Pearson(da ...
皮尔森相关性系数的计算python代码（一）
部分代码 from math import sqrt import numpy as np import pandas as pddef excel_one_line_to_list():def mu ...

【Pandas】计算相关性系数corr()

相关：数据之间有关联，相互有影响

相关性系数：衡量相关性强弱的

构造如下数据：

【Pandas】计算相关性系数corr()相关推荐

最新文章

热门文章