如何显示计数和速率之间的相关性？

Question

我的数据集

Name rate  counts
A    10.3  3
B    15.4  9
C    21.9  11
D    9.11  4
E    2.21  5
F    7.7   21
G    18.9  20
H    55.1  41

数据集显示了不同名字的人的数量和比率。

我想知道比率与计数的相关性。

例如，如果计数很高，那么比率就高或低。

哪种方法适合显示两者之间的联系？

Answer 1

检查这个代码。

# import requires packages
import pandas as pd
import seaborn as sns
import matplotlib.pyplot as plt

# read the data file
df = pd.read_csv('data.csv')

# calculate correlation matrix
corr = df.corr()

# prepare the plot
sns.heatmap(corr, annot = True, vmin = 0, vmax = 1)

# show the plot
plt.show()

它给了我以下的相关矩阵：

如你所见 rate 和 count 是相当高的。0.85. 不过考虑到我只用了你上面报告的数据，只有8行，也许你应该用更高的样本来获得更可靠的结果。

Answer 2

你只需要使用Pandas函数来计算相关性。

df.rate.corr(df.counts)

它支持三种方法："pearson"（默认），"kendall "和 "spearman"。更多细节请参考 此处.

Answer 3

你可以尝试用numpy得到两个变量之间的系数。

import numpy
a = [10.3, 15.4, 21.9, 9.11, 2.21, 7.7, 18.9, 55.1]
b = [3, 9, 11, 4, 5, 21, 20, 41]
print(numpy.corrcoef(a,b))

如果反对角线中的数值为正且接近1，那么它们之间的相关性就更大。

[[1.         0.84965646] 
 [0.84965646 1.        ]]

系数值约为0.85。说明它们是正向高度相关的。