Pandas - Correlações de dados

Encontrando relacionamentos

Um grande aspecto do módulo Pandas é o corr()método.

O corr()método calcula a relação entre cada coluna em seu conjunto de dados.

Os exemplos nesta página usam um arquivo CSV chamado: 'data.csv'.

Baixe data.csv . ou Abra data.csv

            Duration     Pulse  Maxpulse  Calories
  Duration  1.000000 -0.155408  0.009403  0.922721
  Pulse    -0.155408  1.000000  0.786535  0.025120
  Maxpulse  0.009403  0.786535  1.000000  0.203814
  Calories  0.922721  0.025120  0.203814  1.000000

Resultado explicado

O Resultado do corr()método é uma tabela com muitos números que representam o quão bem está o relacionamento entre duas colunas.

O número varia de -1 a 1.

1 significa que existe uma relação de 1 para 1 (uma correlação perfeita), e para este conjunto de dados, cada vez que um valor subiu na primeira coluna, o outro também subiu.

0,9 também é uma boa relação, e se você aumentar um valor, o outro provavelmente aumentará também.

-0,9 seria uma relação tão boa quanto 0,9, mas se você aumentar um valor, o outro provavelmente diminuirá.

0,2 significa NÃO um bom relacionamento, o que significa que se um valor subir não significa que o outro subirá.

Correlação Perfeita:

Podemos ver que "Duration" e "Duration" receberam o número 1.000000, o que faz sentido, cada coluna sempre tem uma relação perfeita consigo mesma.

Boa correlação:

"Duração" e "Calorias" têm uma 0.922721correlação, que é uma correlação muito boa, e podemos prever que quanto mais você treina, mais calorias você queima, e vice-versa: se você queima muitas calorias, você provavelmente teve um longo treino.

Correlação ruim:

"Duration" e "Maxpulse" obtiveram uma 0.009403correlação, que é uma correlação muito ruim, o que significa que não podemos prever o pulso máximo apenas observando a duração do treino e vice-versa.

df.()