欧美bbbwbbbw肥妇,免费乱码人妻系列日韩,一级黄片

Python中的相關(guān)分析correlation analysis的實現(xiàn)

 更新時間：2019年08月29日 15:01:51   作者：Erin_data  
這篇文章主要介紹了Python中的相關(guān)分析correlation analysis的實現(xiàn)，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧

相關(guān)分析（correlation analysis）

研究兩個或兩個以上隨機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 "<ipython-input-1-ae921a24967f>", 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。

相關(guān)文章

最新評論