跳到主要内容

Pandas 相关性图

在数据分析和探索性数据分析（EDA）中，了解变量之间的关系是非常重要的。相关性图（Correlation Plot）是一种可视化工具，用于展示数据集中不同变量之间的相关性。通过相关性图，我们可以快速识别出哪些变量之间存在强相关性，哪些变量之间几乎没有关联。

什么是相关性？​

相关性是衡量两个变量之间线性关系的统计指标。相关性的值介于-1和1之间：

  • 1 表示完全正相关，即一个变量增加，另一个变量也增加。
  • -1 表示完全负相关，即一个变量增加，另一个变量减少。
  • 0 表示没有线性相关性。

使用Pandas创建相关性图​

Pandas库提供了简单的方法来计算和可视化相关性矩阵。我们可以使用 DataFrame.corr() 方法来计算相关性矩阵，然后使用 seaborn 库中的 heatmap 函数来绘制相关性图。

步骤1：导入必要的库​

首先，我们需要导入Pandas和Seaborn库：

python
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

步骤2：加载数据​

假设我们有一个包含多个变量的数据集，我们可以使用Pandas加载数据：

python
# 示例数据集
data = {
    'A': [1, 2, 3, 4, 5],
    'B': [2, 3, 4, 5, 6],
    'C': [1, 1, 2, 2, 3],
    'D': [5, 4, 3, 2, 1]
}

df = pd.DataFrame(data)

步骤3：计算相关性矩阵​

使用 DataFrame.corr() 方法计算相关性矩阵：

python
corr_matrix = df.corr()
print(corr_matrix)

输出将是一个显示每对变量之间相关性的矩阵：

     A    B    C    D
A  1.0  1.0  0.7 -1.0
B  1.0  1.0  0.7 -1.0
C  0.7  0.7  1.0 -0.7
D -1.0 -1.0 -0.7  1.0

步骤4：绘制相关性图​

使用Seaborn的 heatmap 函数绘制相关性图：

python
sns.heatmap(corr_matrix, annot=True, cmap='coolwarm')
plt.show()

这将生成一个热图，其中颜色深浅表示相关性的强弱，annot=True 参数会在每个单元格中显示具体的相关性值。

实际应用场景​

假设你正在分析一个房地产数据集，其中包含房屋价格、面积、房间数量、地理位置等变量。通过绘制相关性图，你可以快速识别出哪些因素对房价影响最大。例如，你可能会发现房屋面积与房价之间存在强正相关性，而房间数量与房价之间的相关性较弱。

总结​

相关性图是数据分析中非常有用的工具，它可以帮助我们快速理解数据集中变量之间的关系。通过Pandas和Seaborn的结合，我们可以轻松地计算和可视化相关性矩阵，从而为后续的分析和建模提供有价值的见解。

附加资源与练习​

  • 练习1：尝试使用你自己的数据集，计算并绘制相关性图。观察哪些变量之间存在强相关性。
  • 练习2：修改 heatmap 函数的参数，例如更改颜色映射（cmap）或关闭注释（annot=False），看看图表如何变化。
  • 进一步阅读：阅读Pandas和Seaborn的官方文档，了解更多关于相关性分析和可视化的高级功能。
提示

在绘制相关性图时，确保数据已经过适当的清洗和预处理，以避免因缺失值或异常值导致的错误结果。