相關(guān)分析（correlation analysis）
研究兩個或兩個以上隨機(jī)變量之間相互依存關(guān)系的方向和密切程度的方法。
線性相關(guān)關(guān)系主要采用皮爾遜（Pearson）相關(guān)系數(shù)r來度量連續(xù)變量之間線性相關(guān)強(qiáng)度；
r>0,線性正相關(guān)；r<0,線性負(fù)相關(guān)；
r=0,兩個變量之間不存在線性關(guān)系，并不代表兩個變量之間不存在任何關(guān)系。
相關(guān)分析函數(shù)
DataFrame.corr()
Series.corr(other)
函數(shù)說明：
如果由數(shù)據(jù)框調(diào)用corr函數(shù)，那么將會計算每個列兩兩之間的相似度
如果由序列調(diào)用corr方法，那么只是該序列與傳入的序列之間的相關(guān)度
返回值：
DataFrame調(diào)用；返回DataFrame
Series調(diào)用：返回一個數(shù)值型，大小為相關(guān)度
import numpy
import pandas
data = pandas.read_csv(
'C:/Users/ZL/Desktop/Python/5.4/data.csv'
)
bins = [
min(data.年齡)-1, 20, 30, 40, max(data.年齡)+1
]
labels = [
'20歲以及以下', '21歲到30歲', '31歲到40歲', '41歲以上'
]
data['年齡分層'] = pandas.cut(
data.年齡,
bins,
labels=labels
)
ptResult = data.pivot_table(
values=['年齡'],
index=['年齡分層'],
columns=['性別'],
aggfunc=[numpy.size]
File "
", line 25
aggfunc=[numpy.size]
^
SyntaxError: unexpected EOF while parsing
import numpy
import pandas
data = pandas.read_csv(
'C:/Users/ZL/Desktop/Python/5.4/data.csv'
)
bins = [
min(data.年齡)-1, 20, 30, 40, max(data.年齡)+1
]
labels = [
'20歲以及以下', '21歲到30歲', '31歲到40歲', '41歲以上'
]
data['年齡分層'] = pandas.cut(
data.年齡,
bins,
labels=labels
)
ptResult = data.pivot_table(
values=['年齡'],
index=['年齡分層'],
columns=['性別'],
aggfunc=[numpy.size]
)
ptResult
Out[4]:
size
年齡
性別 女 男
年齡分層
20歲以及以下 111 1950
21歲到30歲 2903 43955
31歲到40歲 735 7994
41歲以上 567 886
以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。
更多文章、技術(shù)交流、商務(wù)合作、聯(lián)系博主
微信掃碼或搜索：z360901061
微信掃一掃加我為好友
QQ號聯(lián)系： 360901061
您的支持是博主寫作最大的動力，如果您喜歡我的文章，感覺我的文章對您有幫助，請用微信掃描下面二維碼支持博主2元、5元、10元、20元等您想捐的金額吧，狠狠點擊下面給點支持吧，站長非常感激您！手機(jī)微信長按不能支付解決辦法：請將微信支付二維碼保存到相冊，切換到微信，然后點擊微信右上角掃一掃功能，選擇支付二維碼完成支付。
【本文對您有幫助就好】元
