python关联分析案例_基于Python实现相关分析案例

基于Python实现相关分析案例​mp.weixin.qq.com

节选自《Python预测之美：数据分析与算法实战》

相关关系是一种非确定的关系，就好像身高与体重的关系一样，它们之间不能用一个固定的函数关系来表示。而相关分析就是研究这种随机变量间相关关系的统计方法。此处，主要探讨不同特征对研究对象的相关性影响。常见进行相关分析的方法，主要有散点图和相关图。

1.散点图

散点图就是数据点在直角坐标系上的分布图，通常分为散点图矩阵和三维散点图。其中散点矩阵是由变量两两组合由数据点分布图构成的矩阵，而三维散点图就是从所有变量中选择三个变量进行绘制，进一步在三维空间里观察数据的形态。

(1）散点图矩阵

Pandas是Python数据分析非常重要的一个库，它自带了很多统计分析及绘图的功能，这其中就包含散点图矩阵的绘制方法，即在Pandas.plotting模块下的scatter_matrix函数。使用该函数可快速绘制散点图矩阵。这里，我们以iris数据集为例，分析鸢尾花的Sepal.Length、Sepal.Width、Petal.Length、Petal.Width这四个指标的相关关系。并用scatter_matrix绘制散点图矩阵，代码如下：

import pandas as pdimport matplotlib.pyplot as pltiris = pd.read_csv('iris.csv')# 参数说明# figsize=(10,10) 设置画布大小为10x10# alpha=1，设置透明度，此处设置为不透明# hist_kwds={"bins":20} 设置对角线上直方图参数# 可通过设置diagonal参数为kde将对角图像设置为密度图pd.plotting.scatter_matrix(iris,figsize=(10,10),alpha=1,hist_kwds={"bins":20})plt.show()

图3-1-3-1 使用pandas绘制散点图矩阵

如图，为所有变量的两两组合的散点图矩阵，每个散点图中呈现的是任意两变量的数据点，可通过数据点的分布，了解变量之间的相关性，对角。。。