Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Apprendre Trouver la Corrélation | Extraction de Données
Techniques Avancées dans Pandas

bookTrouver la Corrélation

Enfin, passons à la dernière méthode de cette section appelée .corr(). Elle est très utile pour identifier la relation entre des données numériques. Imaginez que vous disposez d'un ensemble de données sur des maisons :

Examinons le résultat de data.corr() dans notre cas :

Procédons étape par étape : Vous avez des valeurs verticales et horizontales ; chaque paire se recoupe. À chaque recoupement, on peut obtenir une valeur comprise entre -1 et 1.

  • 1 signifie que les deux valeurs dépendent l'une de l'autre de manière directement proportionnelle (si une valeur augmente, l'autre augmente également) ;
  • -1 signifie que les deux valeurs dépendent l'une de l'autre de manière inversement proportionnelle (si une valeur augmente, l'autre diminue) ;
  • 0 signifie que les deux valeurs dépendantes ne sont pas proportionnelles.
Note
Remarque

Si le jeu de données contient des colonnes non numériques, comme dans le jeu de données cars.csv utilisé dans la tâche, il est recommandé de définir l’argument numeric_only=True afin de calculer la corrélation uniquement à partir des colonnes numériques.

Tâche

Swipe to start coding

Vous terminerez cette section par une tâche simple : appliquer la fonction .corr() au jeu de données. Ensuite, essayez d'analyser les valeurs obtenues.

Solution

Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 3. Chapitre 7
single

single

Demandez à l'IA

expand

Demandez à l'IA

ChatGPT

Posez n'importe quelle question ou essayez l'une des questions suggérées pour commencer notre discussion

close

Awesome!

Completion rate improved to 3.03

bookTrouver la Corrélation

Glissez pour afficher le menu

Enfin, passons à la dernière méthode de cette section appelée .corr(). Elle est très utile pour identifier la relation entre des données numériques. Imaginez que vous disposez d'un ensemble de données sur des maisons :

Examinons le résultat de data.corr() dans notre cas :

Procédons étape par étape : Vous avez des valeurs verticales et horizontales ; chaque paire se recoupe. À chaque recoupement, on peut obtenir une valeur comprise entre -1 et 1.

  • 1 signifie que les deux valeurs dépendent l'une de l'autre de manière directement proportionnelle (si une valeur augmente, l'autre augmente également) ;
  • -1 signifie que les deux valeurs dépendent l'une de l'autre de manière inversement proportionnelle (si une valeur augmente, l'autre diminue) ;
  • 0 signifie que les deux valeurs dépendantes ne sont pas proportionnelles.
Note
Remarque

Si le jeu de données contient des colonnes non numériques, comme dans le jeu de données cars.csv utilisé dans la tâche, il est recommandé de définir l’argument numeric_only=True afin de calculer la corrélation uniquement à partir des colonnes numériques.

Tâche

Swipe to start coding

Vous terminerez cette section par une tâche simple : appliquer la fonction .corr() au jeu de données. Ensuite, essayez d'analyser les valeurs obtenues.

Solution

Switch to desktopPassez à un bureau pour une pratique réelleContinuez d'où vous êtes en utilisant l'une des options ci-dessous
Tout était clair ?

Comment pouvons-nous l'améliorer ?

Merci pour vos commentaires !

Section 3. Chapitre 7
single

single

some-alt