pandas使用corr函数计算相关性

要么说Python擅长做数据分析呢，Pandas库中给我们带了corr函数，这个函数可以帮助我们对数值类数据进行相关性分析，比如对比某两列数据的变化是否有正相关？或负相关，即一个数值递增都使另一个数也增加，这就是正相关，反之则是负相关，corr函数用 -1~1 之间的一个浮点数表示这个程度。

  我们来个例子，还是我们前面的天气数据，比如我们想利用corr函数帮我们分析最高温度和平均温度这两列的关系，我们可以写这样一段代码：

import pandas as pd

df=pd.read_csv('weather.csv')

c=df[['temp_max','humidity']].corr()

print(c)

大家可以阅读代码，其中第三行我们调用了corr函数，默认没有传递任何参数。注意前面的df变量到是传入了两个字符串，原因是我们的weather数据中有字符这类corr无法处理的数据，只能指定纯数字的列才可以分析。然后打印输出即可看到效果：

这就是corr函数的效果，他默认会2x2的信息返回，注意对角线上都是1.000000因为是数值自身，所以是100%正相关，而其余两个值是表示这两个数有相关性，但并不那么明显，即不强的相关性。

如果我们想增加最低温度，一共三组比较数据的相关性情况，我们可以写：

import pandas as pd

df=pd.read_csv('weather.csv')

c=df[['temp_max','temp_min','humidity']].corr()

print(c)

效果如下：

可以看到，temp_min和temp_max成较高的相关性（0.7+）意味“是否最高温度高的地方最低温度也高”等假设可供我们详细分析。

这就个简单的例子，就是用corr函数，使用默认的pearson'（皮尔逊）算法进行的两组数据的相关性，而更多的算法系数一共三种，都可以使用，分别是：

'pearson'（皮尔逊）、'spearman'（斯皮尔曼）、'kendall'（肯德尔）。

具体选择上，皮尔逊相关系数适用于衡量线性关系（即前面提到和演示的例子），而斯皮尔曼和肯德尔相关系数适用于衡量单调关系，大家可以详细了解算法根据需要选择

实际工作当中，corr函数常常用于各行各业数据分析、关联判断、假设验证等等，非常实用。建议大家熟悉语法后可以再详细了解