🔍 Как найти корреляцию в Питоне: простой и понятный способ!

import numpy as np

x = [1, 2, 3, 4, 5]
y = [5, 4, 3, 2, 1]

correlation_matrix = np.corrcoef(x, y)
correlation = correlation_matrix[0, 1]

print("Корреляция между x и y:", correlation)
    

Как найти корреляцию в питоне

Корреляция - это статистическая мера, которая показывает, насколько две переменные связаны между собой. В Python существует несколько способов вычисления корреляции. Давайте рассмотрим некоторые из них:

1. Метод pearsonr()

Метод pearsonr() в модуле scipy.stats позволяет вычислить коэффициент корреляции Пирсона. Этот метод принимает два аргумента, которые представляют собой две переменные.

from scipy.stats import pearsonr

x = [1, 2, 3, 4, 5]
y = [5, 4, 3, 2, 1]

corr, _ = pearsonr(x, y)
print(f"Коэффициент корреляции Пирсона: {corr}")
    

В данном примере мы импортируем метод pearsonr() из модуля scipy.stats. Затем мы создаем два списка x и y, содержащие значения переменных. После этого мы вызываем метод pearsonr(), передавая ему эти два списка в качестве аргументов. Результатом будет коэффициент корреляции Пирсона, который будет выведен на экран.

2. Метод corr()

Если вы работаете с данными в формате DataFrame из библиотеки pandas, вы можете использовать метод corr(), чтобы вычислить корреляцию между столбцами.

import pandas as pd

data = {
    'x': [1, 2, 3, 4, 5],
    'y': [5, 4, 3, 2, 1]
}

df = pd.DataFrame(data)

corr_matrix = df.corr()
print(corr_matrix)
    

В данном примере мы создаем словарь data, который содержит значения переменных x и y. Затем мы создаем DataFrame из этого словаря и сохраняем его в переменной df. Далее мы вызываем метод corr() для DataFrame, что позволяет нам вычислить матрицу корреляции между столбцами. Результат будет выведен на экран.

3. Метод corrcoef()

Метод corrcoef() в модуле numpy предоставляет другой способ вычисления корреляции. Он принимает два аргумента, представляющие собой две переменные.

import numpy as np

x = [1, 2, 3, 4, 5]
y = [5, 4, 3, 2, 1]

corr_matrix = np.corrcoef(x, y)
corr = corr_matrix[0, 1]
print(f"Коэффициент корреляции: {corr}")
    

В данном примере мы импортируем модуль numpy как np. Затем мы создаем два списка x и y, содержащие значения переменных. После этого мы вызываем метод corrcoef(), передавая ему эти два списка в качестве аргументов. Результатом будет матрица корреляции и коэффициент корреляции, который будет выведен на экран.

4. Метод seaborn

Библиотека seaborn также предоставляет удобные средства для визуализации и вычисления корреляции.

import seaborn as sns

data = {
    'x': [1, 2, 3, 4, 5],
    'y': [5, 4, 3, 2, 1]
}

df = pd.DataFrame(data)

corr_matrix = df.corr()
sns.heatmap(corr_matrix, annot=True)
    

В данном примере мы импортируем модуль seaborn как sns. Затем мы создаем словарь data и DataFrame из него. Далее мы вычисляем матрицу корреляции с помощью метода corr() и используем метод heatmap() из seaborn для визуализации матрицы в виде тепловой карты. Результатом будет графическое представление корреляции между переменными.

Заключение

Выше были представлены различные способы вычисления корреляции в Python. Вы можете выбрать подходящий для ваших задач и использовать его в своем коде. Помните, что корреляция не всегда означает причинно-следственную связь, поэтому всегда будьте внимательны при интерпретации результатов.