Notice: This page requires JavaScript to function properly.
Please enable JavaScript in your browser settings or update your browser.
Impara Trovare la Correlazione | Estrazione dei Dati
Tecniche Avanzate in Pandas

bookTrovare la Correlazione

Infine, passiamo all'ultimo metodo di questa sezione chiamato .corr(). Questo metodo è molto utile per individuare la relazione tra dati numerici. Immagina di avere un dataset relativo alle case:

Esaminiamo l'output di data.corr() nel nostro caso:

Procediamo passo dopo passo: Sono presenti valori sia verticali che orizzontali; ogni coppia si sovrappone. In ogni sovrapposizione, possiamo ottenere un valore compreso tra -1 e 1.

  • 1 indica che i due valori dipendono l'uno dall'altro in modo direttamente proporzionale (se un valore aumenta, anche l'altro aumenta);
  • -1 indica che i due valori dipendono l'uno dall'altro in modo inversamente proporzionale (se un valore aumenta, l'altro diminuisce);
  • 0 indica che i due valori dipendenti non sono proporzionali.
Note
Nota

Se il dataset contiene colonne non numeriche, come nel dataset cars.csv utilizzato nell'esercizio, è necessario impostare l'argomento numeric_only=True per calcolare la correlazione utilizzando solo le colonne numeriche.

Compito

Swipe to start coding

Concluderai questa sezione con un compito semplice: applicare la funzione .corr() al dataset. Successivamente, prova ad analizzare i numeri ottenuti.

Soluzione

Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 3. Capitolo 7
single

single

Chieda ad AI

expand

Chieda ad AI

ChatGPT

Chieda pure quello che desidera o provi una delle domande suggerite per iniziare la nostra conversazione

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

bookTrovare la Correlazione

Scorri per mostrare il menu

Infine, passiamo all'ultimo metodo di questa sezione chiamato .corr(). Questo metodo è molto utile per individuare la relazione tra dati numerici. Immagina di avere un dataset relativo alle case:

Esaminiamo l'output di data.corr() nel nostro caso:

Procediamo passo dopo passo: Sono presenti valori sia verticali che orizzontali; ogni coppia si sovrappone. In ogni sovrapposizione, possiamo ottenere un valore compreso tra -1 e 1.

  • 1 indica che i due valori dipendono l'uno dall'altro in modo direttamente proporzionale (se un valore aumenta, anche l'altro aumenta);
  • -1 indica che i due valori dipendono l'uno dall'altro in modo inversamente proporzionale (se un valore aumenta, l'altro diminuisce);
  • 0 indica che i due valori dipendenti non sono proporzionali.
Note
Nota

Se il dataset contiene colonne non numeriche, come nel dataset cars.csv utilizzato nell'esercizio, è necessario impostare l'argomento numeric_only=True per calcolare la correlazione utilizzando solo le colonne numeriche.

Compito

Swipe to start coding

Concluderai questa sezione con un compito semplice: applicare la funzione .corr() al dataset. Successivamente, prova ad analizzare i numeri ottenuti.

Soluzione

Switch to desktopCambia al desktop per esercitarti nel mondo realeContinua da dove ti trovi utilizzando una delle opzioni seguenti
Tutto è chiaro?

Come possiamo migliorarlo?

Grazie per i tuoi commenti!

Sezione 3. Capitolo 7
single

single

some-alt