文章目录

• 1、运用场景
• 2、图形描述相关性
  *
• 2.1使用场景
• 2.2 代码实现
• 2.3 效果呈现
• 3、正态资料相关性分析
  *
• 3.1 使用场景
• 3.2 皮尔森相关系数
• 3.3 代码实现
• 3.4 结果分析
• 4、非正太资料的相关分析
  *
• 4.1 使用场景
• 4.2 斯皮尔曼等级相关系数
• 4.3 代码实现
• 4.4 结果分析

1、运用场景

相关性分析是研究两个或两个以上随机变量间相关关系的统计方法。在数据分析中，它常用于分析连续型自变量X与连续型因变量Y之间的关系。在待分析特征较少时，可使用做图法分析，特征较多时，可使用皮尔森或者斯皮尔曼等工具分析，这这些只能判断线性关系，如果要判断非线性关系，则可将连续数组分组以后使用方差分析对比各组之间的差异。

2、图形描述相关性

2.1使用场景

待分析的特征较少
散点图是在两变量相关性分析分析时最常用的展示方法。如下图所示。

本文使用Statsmodels 自带的 ccard数据集， 展示其中的INCOMESQ与IMCOME两个变量的相关性

2.2 代码实现

import pandas as pd
from scipy import stats
import matplotlib.pyplot as plt
from statsmodels.datasets import ccard

data = ccard.load_pandas().data
print(data)
plt.scatter(data['INCOMESQ'],data['INCOME'])
plt.grid()
plt.show()

2.3 效果呈现

; 3、正态资料相关性分析

3.1 使用场景

待分析特征较多。可用它来分析 正态分布的两个连续型变量之间的相关性，常用于分析自变量之间，以及自变量与因变量之间的相关性。

3.2 皮尔森相关系数

皮尔森相关系数是反应两个变量之间线性相关程度的统计量。

3.3 代码实现

import numpy as np

a = np.random.normal(0,1,100)
b = np.random.normal(2,2,100)
print(stats.pearsonr(a,b))

3.4 结果分析

• ret1：相关系数，其取值范围为[-1,1]。其值接近于1,正相关正读越强，接近于-1,负相关性越强，接近于0，相关性弱。
• ret2：p-value：皮尔森相关系数原假设为两组数据不存在相关性。p-value >0.05 接受原假设。

4、非正太资料的相关分析

4.1 使用场景

待分析特征较多，只考虑从变量值的顺序(rank,秩或称等级)，而不考虑变量值的大小，常用于计算有序的类型变量的相关性。可以用于 非正太变量的相关性检验，但是它只考虑数据大小的顺序，而不考虑具体的值，导致会丢失部分信息。

4.2 斯皮尔曼等级相关系数

主要用于评价顺序变量间的线性相关关系。

4.3 代码实现

from scipy import stats
import numpy as np

a = np.array([1,2,3,4,5])分析
b = np.array([1,6,7,8,20])
print(stats.spearmanr(a,b))

4.4 结果分析

SpearmanrResult(correlation=0.9999999999999999, pvalue=1.4042654220543672e-24)

• correlation:相关系数
• p-value：原假设为两组数据之间不存在相关性，p-value < 0.05 原假设

Original: https://blog.csdn.net/xdg15294969271/article/details/120177633
Author: 牛右刀薛面
Title: （9）数据分析-相关性分析