Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Lernen Die Korrelation Finden | Daten Extrahieren
Fortgeschrittene Techniken in Pandas
course content

Kursinhalt

Fortgeschrittene Techniken in Pandas

Fortgeschrittene Techniken in Pandas

1. Vertraut Werden mit Indizierung und Datenauswahl
2. Umgang mit Bedingungen
3. Daten Extrahieren
4. Daten Aggregieren
5. Datenvorverarbeitung

book
Die Korrelation Finden

Schließlich kommen wir zur letzten Methode dieses Abschnitts, die .corr() genannt wird. Sie hilft sehr dabei, die Beziehung zwischen numerischen Daten zu finden. Stellen Sie sich vor, Sie haben einen Datensatz über Häuser:

Lassen Sie uns das Ergebnis von data.corr() in unserem Fall untersuchen:

Also, machen wir es Schritt für Schritt: Sie haben vertikale und horizontale Werte; jedes Paar überlappt sich. In jeder Überlappung können wir einen Wert von -1 bis 1 erhalten.

  • 1 bedeutet, dass zwei Werte in direkter Proportionalität voneinander abhängen (wenn ein Wert steigt, steigt der andere ebenfalls);
  • -1 bedeutet, dass zwei Werte in umgekehrter Proportionalität voneinander abhängen (wenn ein Wert steigt, sinkt der andere);
  • 0 bedeutet, dass die beiden abhängigen Werte nicht proportional sind.

Hinweis

Wenn der Datensatz nicht-numerische Spalten enthält, wie im Datensatz cars.csv, der in der Aufgabe verwendet wird, sollten Sie das Argument numeric_only=True setzen, um die Korrelation nur mit den numerischen Spalten zu berechnen.

Aufgabe

Swipe to start coding

Sie beenden diesen Abschnitt mit einer mühelosen Aufgabe: Wenden Sie die .corr()-Funktion auf den Datensatz an. Versuchen Sie dann, die erhaltenen Zahlen zu analysieren.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 3. Kapitel 7
toggle bottom row

book
Die Korrelation Finden

Schließlich kommen wir zur letzten Methode dieses Abschnitts, die .corr() genannt wird. Sie hilft sehr dabei, die Beziehung zwischen numerischen Daten zu finden. Stellen Sie sich vor, Sie haben einen Datensatz über Häuser:

Lassen Sie uns das Ergebnis von data.corr() in unserem Fall untersuchen:

Also, machen wir es Schritt für Schritt: Sie haben vertikale und horizontale Werte; jedes Paar überlappt sich. In jeder Überlappung können wir einen Wert von -1 bis 1 erhalten.

  • 1 bedeutet, dass zwei Werte in direkter Proportionalität voneinander abhängen (wenn ein Wert steigt, steigt der andere ebenfalls);
  • -1 bedeutet, dass zwei Werte in umgekehrter Proportionalität voneinander abhängen (wenn ein Wert steigt, sinkt der andere);
  • 0 bedeutet, dass die beiden abhängigen Werte nicht proportional sind.

Hinweis

Wenn der Datensatz nicht-numerische Spalten enthält, wie im Datensatz cars.csv, der in der Aufgabe verwendet wird, sollten Sie das Argument numeric_only=True setzen, um die Korrelation nur mit den numerischen Spalten zu berechnen.

Aufgabe

Swipe to start coding

Sie beenden diesen Abschnitt mit einer mühelosen Aufgabe: Wenden Sie die .corr()-Funktion auf den Datensatz an. Versuchen Sie dann, die erhaltenen Zahlen zu analysieren.

Lösung

Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
War alles klar?

Wie können wir es verbessern?

Danke für Ihr Feedback!

Abschnitt 3. Kapitel 7
Switch to desktopWechseln Sie zum Desktop, um in der realen Welt zu übenFahren Sie dort fort, wo Sie sind, indem Sie eine der folgenden Optionen verwenden
We're sorry to hear that something went wrong. What happened?
some-alt