- Python 数据科学教程
- Python 数据科学 - 首页
- Python 数据科学 - 入门
- Python 数据科学 - 环境设置
- Python 数据科学 - Pandas
- Python 数据科学 - Numpy
- Python 数据科学 - SciPy
- Python 数据科学 - Matplotlib
- Python 数据处理
- Python 数据操作
- Python 数据清洗
- Python 处理 CSV 数据
- Python 处理 JSON 数据
- Python 处理 XLS 数据
- Python 关系数据库
- Python NoSQL 数据库
- Python 日期和时间
- Python 数据整理
- Python 数据聚合
- Python 读取 HTML 页面
- Python 处理非结构化数据
- Python 单词标记化
- Python 词干提取和词形还原
- Python 数据可视化
- Python 图表属性
- Python 图表样式
- Python 箱形图
- Python 热力图
- Python 散点图
- Python 气泡图
- Python 3D 图表
- Python 时间序列
- Python 地理数据
- Python 图形数据
Python - 相关性
相关性是指涉及两个数据集之间的依赖性的某些统计关系。依赖性现象的简单示例包括父母与其后代的身体外貌之间的相关性,以及产品的价格与其供应量之间的相关性。
我们以 seaborn Python 库中的 iris 数据集为例。我们尝试建立三种鸢尾属花卉萼片和花瓣的长度和宽度之间的相关性。基于发现的相关性,可以创建一种强大的模型,可以轻松地区分一种物种与另一种物种。
import matplotlib.pyplot as plt import seaborn as sns df = sns.load_dataset('iris') #without regression sns.pairplot(df, kind="scatter") plt.show()
它的输出为:-
广告