pandas相關性分析

DataFrame.corr(method='pearson', min_periods=1)

參數說明：

method：可選值為{‘pearson’, ‘kendall’, ‘spearman’}

               pearson：Pearson相關系數來衡量兩個數據集合是否在一條線上面，即針對線性數據的相關系數計算，針對非線性                                           數據便會有誤差。

                kendall：用於反映分類變量相關性的指標，即針對無序序列的相關系數，非正太分布的數據

                spearman：非線性的，非正太分析的數據的相關系數

min_periods：樣本最少的數據量

返回值：各類型之間的相關系數DataFrame表格。

為區分不同參數之間的區別，我們實驗如下：

from pandas import DataFrame
import pandas as pd
x=[a for a in range(100)]
#構造一元二次方程，非線性關系
def y_x(x):
    return 2*x**2+4
y=[y_x(i) for i in x]
 
data=DataFrame({'x':x,'y':y})
 
#查看下data的數據結構
data.head()
Out[34]: 
   x   y
0  0   4
1  1   6
2  2  12
3  3  22
4  4  36
 
data.corr()
Out[35]: 
          x         y
x  1.000000  0.967736
y  0.967736  1.000000
 
data.corr(method='spearman')
Out[36]: 
     x    y
x  1.0  1.0
y  1.0  1.0
 
data.corr(method='kendall')
Out[37]: 
     x    y
x  1.0  1.0
y  1.0  1.0

因為y經由函數構造出來，x和y的相關系數為1，但從實驗結構可知pearson系數，針對非線性數據有一定的誤差。

轉自：https://blog.csdn.net/walking_visitor/article/details/85128461