Python - 使用 Numpy 进行相关测试

Question

我正在尝试分析世界杯数据，我想在比赛开始时间和进球数之间建立关联。我希望这表明一段时间可能会产生更多的目标。

我的数据集在一个 csv 文件中，并包含以下标题和 1 行数据作为示例：

我正在尝试用 python 编写相关性测试，但遇到了一些问题。

我的问题：我如何证明/反驳比赛的时间和进球数之间存在相关性？

import pandas as pd
from scipy import stats
import numpy as np

#Read the data into a dataframe
df = pd.read_csv("World Cup 2018.csv")

index2 = df.loc[df['start_time']]
print(index2['home_score'])

Test = numpy.corrcoef(index2.start_time, index2.home_score)[0, 1]
print(Test)

Answer 1

你试过 Pandas 相关函数吗？

df.corr()[['start_time']].sort_values('start_time')

它将为您提供数据框中每一列的一组值，以及它与 start_time 的相关程度： home_team -0.123456 away_team -0.789012 home_score -0.890123 away_score -0.901234 分数越高，这两个值似乎越相关。虽然这不是一个硬性规定，但大于 +0.8 的相关性是强相关性