Python dataframe 相关系数和协方差

相关系数和协方差：

一.协方差
只表示线性相关的方向，取值正无穷到负无穷。
也就是说，协方差为正值，说明一个变量变大另一个变量也随之变大（正相关）；取负值说明一个变量变大另一个变量变小（负相关），取0说明两个变量没有相关关系。

注意：协方差的绝对值不反映线性相关的程度（其绝对值与变量的取值范围有关系）。

二.相关系数
不仅表示线性相关的方向，还表示线性相关的程度，取值[-1,1]。

也就是说，相关系数为正值，说明一个变量变大另一个变量也变大；取负值说明一个变量变大另一个变量变小，取0说明两个变量没有相关关系。
同时，相关系数的绝对值越接近1，线性关系越显著。
通常情况下，当相关系数的绝对值大于2/sqrt(N)，N为样本点的数量时，我们认为线性关系是存在的。

#协方差确定两个变量的关系，即正相关，负相关/无关
#相关系数确定两个变量的关系&相关程度

协方差计算

dataframe.cov(): 计算所有变量之间的协方差

import pandas as pd
import numpy as np
from pandas import DataFrame

data = pd.DataFrame({
        "年龄":[8,9,10,11,12],
        "身高":[130,135,140,141,150],