pandas 统计函数[corr，scatter_matrix]

DataFrame.corr(method=‘pearson’, min_periods=1)

计算列与列之间的相关系数，返回相关系数矩阵

• method : {‘pearson’, ‘kendall’, ‘spearman’}
  • pearson : standard correlation coefficient
  • kendall : Kendall Tau correlation coefficient
  • spearman : Spearman rank correlation

解释：相关系数的取值范围为[-1, 1],当接近1时，表示两者具有强烈的正相关性，比如‘s’和‘x’；当接近-1时，表示有强烈的的负相关性，比如‘s’和‘c’，而若值接近0，则表示相关性很低.
代码：

allDf = pd.DataFrame({
    'x':[0,1,2,4,7,10],
    'y':[0,3,2,4,5,7],
    's':[0,1,2,3,4,5],
    'c':[5,4,3,2,1,0]
},index = ['p1','p2','p3','p4','p5','p6'])
# print(allDf) 
corr_matrix = allDf.corr()
print(corr_matrix)

out:
x y s c
x 1.000000 0.941729 0.972598 -0.972598
y 0.941729 1.000000 0.946256 -0.946256
s 0.972598 0.946256 1.000000 -1.000000
c -0.972598 -0.946256 -1.000000 1.000000

注意： 这里的相关性指的是线性相关性，下图是一些简单的例子：
数字为相关系数，数字下面为数据图形展示

接下来是房价分析的例子：

corr_matrix = housing.corr()
    corr_matrix["median_house_value"].sort_values(ascending=False)

out:
median_house_value 1.000000
median_income 0.687160
total_rooms 0.135097
housing_median_age 0.114110
households 0.064506
total_bedrooms 0.047689
population -0.026920
longitude -0.047432
latitude -0.142724
Name: median_house_value, dtype: float64

可以看出，房价与收入有比较强的相关性，而与纬度的相关性很低。

scatter_matrix

pandas.plotting.scatter_matrix(frame, alpha=0.5, figsize=None, ax=None, grid=False, diagonal=‘hist’, marker=’.’, density_kwds=None, hist_kwds=None, range_padding=0.05, **kwds)
画任意两列数值属性的散点图，最后画一个散点图的矩阵，对角线为分布直方图。

• figsize 图片大小

  df = DataFrame(np.random.randn(1000, 4), columns=['A','B','C','D'])
  scatter_matrix(df, alpha=0.2)

  
  继续分析房价的例子，通过计算相关系数，只看几个与房价相关性较大的数据

  from pandas.tools.plotting import scatter_matrix
  attributes = ["median_house_value", "median_income", "total_rooms",
  "housing_median_age"]
  scatter_matrix(housing[attributes], figsize=(12, 8))