这篇博客基于慕课的'Python数据分析与可视化'课程，介绍了如何通过协方差和Pearson相关系数来衡量两个变量X和Y的相关性。当协方差大于0时，表明正相关；小于0则负相关；等于0则不相关。Pearson相关系数的取值范围在-1到1之间，其绝对值越大，相关性越强。Pandas库提供了方便的相关性分析函数。
本文的主要内容是基于中国大学mooc（慕课）中的“Python数据分析与可视化”课程进行整理和总结。
两个事物，表示成X和Y，如何判断他们之间的相关性？
X增大，Y也增大，两个变量正相关；
X增大，Y减小，两个变量负相关；
X增大，Y没有明显变化，两个变量不相关；
度量两个数据的相关性有以下方法：
- 协方差，如下所示，如果协方差大于0，则表明正相关，若协方差小于0，则为负相关，协方差为0时，X和Y不相关；
c o v ( X , Y ) = ∑ i = 1 n ( X i − X ˉ ) ( Y i − Y ˉ ) n − 1 cov(X, Y) = \frac{\sum_{i=1}^{n}(X^{i}-\bar{X})(Y^{i}-\bar{Y})}{n - 1} cov(X,Y)=n−1∑i=1n(Xi
最低0.47元/天 解锁文章
扫一扫
1871
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
