Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lære Finde Korrelationen | Udtrækning af Data
Avancerede Teknikker i Pandas

bookFinde Korrelationen

Til sidst går vi videre til den sidste metode i dette afsnit kaldet .corr(). Den er meget nyttig til at finde sammenhængen mellem numeriske data. Forestil dig, at du har et datasæt om huse:

Lad os undersøge outputtet af data.corr() i vores tilfælde:

Lad os derfor gøre det trin for trin: Du har lodrette og vandrette værdier; hvert par overlapper hinanden. I hvert overlap kan vi få en værdi fra -1 til 1.

  • 1 betyder, at to værdier afhænger af hinanden på en direkte proportional måde (hvis én værdi stiger, stiger den anden også);
  • -1 betyder, at to værdier afhænger af hinanden på en omvendt proportional måde (hvis én værdi stiger, falder den anden);
  • 0 betyder, at de to afhængige værdier ikke er proportionale.
Note
Bemærk

Hvis datasættet indeholder ikke-numeriske kolonner, såsom i cars.csv datasættet brugt i opgaven, bør du angive argumentet numeric_only=True for kun at beregne korrelationen ved brug af de numeriske kolonner.

Opgave

Swipe to start coding

Du afslutter dette afsnit med en let opgave: anvend funktionen .corr() på datasættet. Prøv derefter at analysere de tal, du får.

Løsning

Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 3. Kapitel 7
single

single

Spørg AI

expand

Spørg AI

ChatGPT

Spørg om hvad som helst eller prøv et af de foreslåede spørgsmål for at starte vores chat

Suggested prompts:

Can you explain what the correlation values in the table mean?

How do I interpret a negative correlation in this context?

What does it mean if the correlation is close to zero?

close

Awesome!

Completion rate improved to 3.03

bookFinde Korrelationen

Stryg for at vise menuen

Til sidst går vi videre til den sidste metode i dette afsnit kaldet .corr(). Den er meget nyttig til at finde sammenhængen mellem numeriske data. Forestil dig, at du har et datasæt om huse:

Lad os undersøge outputtet af data.corr() i vores tilfælde:

Lad os derfor gøre det trin for trin: Du har lodrette og vandrette værdier; hvert par overlapper hinanden. I hvert overlap kan vi få en værdi fra -1 til 1.

  • 1 betyder, at to værdier afhænger af hinanden på en direkte proportional måde (hvis én værdi stiger, stiger den anden også);
  • -1 betyder, at to værdier afhænger af hinanden på en omvendt proportional måde (hvis én værdi stiger, falder den anden);
  • 0 betyder, at de to afhængige værdier ikke er proportionale.
Note
Bemærk

Hvis datasættet indeholder ikke-numeriske kolonner, såsom i cars.csv datasættet brugt i opgaven, bør du angive argumentet numeric_only=True for kun at beregne korrelationen ved brug af de numeriske kolonner.

Opgave

Swipe to start coding

Du afslutter dette afsnit med en let opgave: anvend funktionen .corr() på datasættet. Prøv derefter at analysere de tal, du får.

Løsning

Switch to desktopSkift til skrivebord for at øve i den virkelige verdenFortsæt der, hvor du er, med en af nedenstående muligheder
Var alt klart?

Hvordan kan vi forbedre det?

Tak for dine kommentarer!

Sektion 3. Kapitel 7
single

single

some-alt