pearson相关系数_使用NumPy和Pandas在Python中创建相关系数矩阵

机器学习把我整的有点蒙了，今天写点简单的。

什么是相关系数矩阵？

其实这个东西在数据分析中经常用到，相关系数矩阵可以一次性同时显示多个变量之间的相关关系。当我们做相关系数矩阵时，我们会得到一个包含每个变量与其他变量之间的相关系数的表。表中的系数显示了关系的强度及其方向(正或负相关)。在Python中，我们可以使用Pandas和NumPy创建相关系数矩阵。

相关矩阵的应用

在写代码之前呢，再给大家明确一下什么时候我们需要创建相关系数矩阵：

1. 如果我们有一个大数据集，并且打算探索数据模式。
2. 将相关系数矩阵用于其他统计方法。例如，在进行探索性因子分析，验证性因子分析，结构方程模型时都要以相关矩阵作数据。
3. 其他的统计方法，比如回归分析的诊断也可能用到相关矩阵。

相关的种类

相关的种类也有很多，常用的就是Pearson的乘积矩相关。根据变量的数据类型，还有数据遵循相关假设的不同，还有其他常用的方法，例如Spearman相关和Kendall相关。在这儿给出3位大佬的图片，具体什么时候用哪种相关，请自行搜索。