Korrelation
Korrelation är ett statistiskt mått som kvantifierar graden av samband eller relation mellan två variabler. Med andra ord hjälper det oss att förstå hur två variabler tenderar att röra sig i förhållande till varandra.
Korrelation ger ett enkelt sätt att undersöka resultatet. Korrelationsvärdet ligger inom intervallet [-1, 1]. Se tabellen nedan:
Korrelation med Python
För att beräkna korrelation används funktionen np.corrcoef() från numpy, som kräver två parametrar: dataserierna för vilka korrelationen ska beräknas. Här är ett exempel:
123456789import pandas as pd import numpy as np df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/Stores.csv') # Calculating correlation corr = np.corrcoef(df['Store_Area'], df['Items_Available'])[0,1] print(corr)
Här hämtade vi värdet vid index [0, 1], precis som i fallet med kovarians. I föregående kapitel fick vi värdet 74955.85, och att tolka resultatet av kovariansfunktionen kan vara utmanande. I det här fallet kan vi dock dra slutsatsen att värdena är starkt relaterade.
Tack för dina kommentarer!
Fråga AI
Fråga AI
Fråga vad du vill eller prova någon av de föreslagna frågorna för att starta vårt samtal
Awesome!
Completion rate improved to 2.63Korrelation
Svep för att visa menyn
Korrelation är ett statistiskt mått som kvantifierar graden av samband eller relation mellan två variabler. Med andra ord hjälper det oss att förstå hur två variabler tenderar att röra sig i förhållande till varandra.
Korrelation ger ett enkelt sätt att undersöka resultatet. Korrelationsvärdet ligger inom intervallet [-1, 1]. Se tabellen nedan:
Korrelation med Python
För att beräkna korrelation används funktionen np.corrcoef() från numpy, som kräver två parametrar: dataserierna för vilka korrelationen ska beräknas. Här är ett exempel:
123456789import pandas as pd import numpy as np df = pd.read_csv('https://codefinity-content-media.s3.eu-west-1.amazonaws.com/a849660e-ddfa-4033-80a6-94a1b7772e23/update/Stores.csv') # Calculating correlation corr = np.corrcoef(df['Store_Area'], df['Items_Available'])[0,1] print(corr)
Här hämtade vi värdet vid index [0, 1], precis som i fallet med kovarians. I föregående kapitel fick vi värdet 74955.85, och att tolka resultatet av kovariansfunktionen kan vara utmanande. I det här fallet kan vi dock dra slutsatsen att värdena är starkt relaterade.
Tack för dina kommentarer!
