Pandas - 資料相關性
尋找關係
Pandas 模組的一個強大之處在於 corr() 方法。
corr() 方法計算資料集中每列之間的關係。
本頁的示例使用了一個名為 'data.csv' 的 CSV 檔案。
示例
顯示列之間的關係
df.corr()
自己動手試一試 »
結果
Duration Pulse Maxpulse Calories
Duration 1.000000 -0.155408 0.009403 0.922721
Pulse -0.155408 1.000000 0.786535 0.025120
Maxpulse 0.009403 0.786535 1.000000 0.203814
Calories 0.922721 0.025120 0.203814 1.000000
注意： corr() 方法會忽略“非數字”列。
結果解釋
corr() 方法的結果是一個包含大量數字的表格，這些數字表示兩列之間的關係有多緊密。
該數字的範圍從 -1 到 1。
1 表示 1 對 1 的關係（完美相關），對於這個資料集，第一列的值增加時，另一列的值也隨之增加。
0.9 也是一個很好的關係，如果您增加一個值，另一個值很可能也會增加。
-0.9 的關係和 0.9 一樣好，但如果您增加一個值，另一個值很可能反而會下降。
0.2 表示關係不好，這意味著如果一個值增加，另一個值不一定會跟著改變。
什麼是好的相關性？ 這取決於具體用途，但我認為可以安全地說，您至少需要 0.6（或 -0.6）才能稱之為好的相關性。
完美相關
我們可以看到，“Duration”和“Duration”得到了 1.000000 這個數字，這是有意義的，每一列本身總是與自己有完美的關係。
良好的相關性
“Duration”和“Calories”之間有 0.922721 的相關性，這是一個非常好的相關性，我們可以預測，您鍛鍊的時間越長，燃燒的卡路里就越多，反之亦然：如果您燃燒了很多卡路里，您可能進行了一次長時間的鍛鍊。
糟糕的相關性
“Duration”和“Maxpulse”之間有 0.009403 的相關性，這是一個非常糟糕的相關性，這意味著我們不能僅透過鍛鍊時長來預測最大脈搏數，反之亦然。
