python笔记29:数据分析之相关分析

# -*- coding: utf-8 -*-
#1. 概念：相关分析(correlation analysis)，是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。
#相关分析分为：
#线性相关
#非线性相关
#这里我们主要介绍常用的线性相关，线性相关也称为直线相关，也就是当一个连续变量发生变动时，另一个连续变量相应的成线性关系变动。

#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的取值范围是-1到1，当r大于0时表示线性正相关，当r小于0时表示线性负相关
#r等于0时表示两个变量之间不存在线性关系（但是不能确定是否存在其他关系）
# 0<=|r|<0.3 :低度相关
# 0.3<=|r|<0.8:中度相关
# 0.8<=|r|<=1:高度相关

#相关分析函数：
#DataFrame.corr()
#Series.corr(other)
#函数说明：
#如果由数据框调用corr方法，那么将会计算每个列两两之间的相关度
#如果由序列调用corr方法,那么只是计算该序列与传入的序列之间的相关度

#返回值：
#DataFrame调用：返回DataFrame。里面存的就是每个列两两之间的相关度
#Series调用：返回一个数值型，大小为这两个序列的相关度

import pandas

data = pandas.read_csv("D:/workspaces/python/pythonStudy/29.csv")

#29.csv包括列：小区ID、人口、平均收入、文盲率、超市购物率、网上购物率、本科毕业率，下载地址：https://pan.baidu.com/s/1qIRoc-lIvNNQApzB_hqXBg

#先来看看如何进行两个列之间的相关度的计算
data['人口'].corr(data['文盲率']) #0.10762237339473261 看来是低度相关

#多列之间的相关度的计算方法：
#选择多列的方法：
data[[
      '超市购物率','网上购物率','文盲率','人口'
      ]]
#数据框调用corr，计算两两之间的相关度：      
data[[
      '超市购物率','网上购物率','文盲率','人口'
      ]].corr() 
#可以看到，文盲率与超市购物率为正中度相关，与网上购物率为负中度相关