如何显示计数和速率之间的相关性？答案

【问题标题】：How to show the correlation between counts and rate?如何显示计数和速率之间的相关性？
【发布时间】：2020-06-16 20:06:30
【问题描述】：

我的数据集

Name rate  counts
A    10.3  3
B    15.4  9
C    21.9  11
D    9.11  4
E    2.21  5
F    7.7   21
G    18.9  20
H    55.1  41

数据集显示了不同名字的人数和比率。

我想知道速率与计数的相关性。

例如，如果计数高，则比率高或低。

哪种方法最适合显示两者之间的联系？..

【问题讨论】：

这个问题我不清楚
Pandas 有一个correlation function。你试过了吗？
@YOBEN_S 我想查看根据计数的速率变化。例如，如果计数很高，比率会更高还是更低？就这样，我想分析一下两者之间的相关性，但是不知道怎么接近
@MarkMeyer 是的，但它并不直观。

标签： python pandas matplotlib analytics correlation

【解决方案1】：

检查此代码：

# import requires packages
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# read the data file
df = pd.read_csv('data.csv')

# calculate correlation matrix
corr = df.corr()

# prepare the plot
sns.heatmap(corr, annot = True, vmin = 0, vmax = 1)

# show the plot
plt.show()

这给了我以下相关矩阵：

您可以看到rate 和count 之间的相关性非常高：0.85。但是考虑到我只使用了您上面报告的数据，只有 8 行，也许您应该使用更高的样本以获得更可靠的结果。

【讨论】：

【解决方案2】：

您只需要使用 Pandas 函数来计算相关性：

df.rate.corr(df.counts)

它支持三种方法：“pearson”（默认）、“kendall”和“spearman”。更多详情请见here。

【讨论】：

负数出来了，这个怎么办？
在en.wikipedia.org/wiki/Pearson_correlation_coefficient 处阅读有关皮尔逊系数的更多信息。负数表示您的系列之间存在负线性相关性。

【解决方案3】：

您可以尝试使用 numpy 来获取两个变量之间的系数。

import numpy
a = [10.3, 15.4, 21.9, 9.11, 2.21, 7.7, 18.9, 55.1]
b = [3, 9, 11, 4, 5, 21, 20, 41]
print(numpy.corrcoef(a,b))

如果反对角线中的值为正且更接近 1，则它们的相关性更高。结果是

[[1.         0.84965646] 
 [0.84965646 1.        ]]

系数值约为 0.85。这意味着它们是高度正相关的。

【讨论】：